SwarmBench：大语言模型 可以充当代理 Swarm Orchestrator 吗？

基于 大语言模型 的多代理系统正在从固定交互拓扑发展到动态编排的代理群。然而，现有的基准测试仍然主要基于单代理或通用代理任务，因此很难系统地评估关键的编排能力。我们提出了 SwarmBench，这是一个从多个角度评估模型性能的基准，包括准确性、效率、成本和过程质量。实验结果表明，当前模型在编排能力方面表现出显着差异。这些差异不仅体现在最终的准确性、效率和成本上，还体现在编排过程本身的整体质量上。基于这些发现，我们进一步提出了 SwarmExp，一种基于经验提取和经验回放的简单而有效的方法，它持续提高了 大语言模型 的编排性能。