AgentWorld 用 100 个 MMORPG 长程任务测多智能体协作：最强模型成功率仅 52.0%，CCE 只有 0.320
研究者构建了 AgentWorld——一个基于开源 MMORPG 引擎 Kaetram 的 100 个人工标注任务（另有 100 个 LLM 增强变体）基准，要求 3–20 个角色不对称的智能体在 25–55 轮黑箱条件下协作，并提出基于因果动作图的 Causal Collaboration Effectiveness（CCE）指标；在 Gemini 3 Flash、Claude Haiku 4.5、GPT-5 Mini 和 DeepSeek R1-70B 上测试，最佳模型任务成功率仅 52.0%、CCE 仅 0.320，失败模式集中在沟通中断、角色混淆和无法跨轮维持共享计划。