SANZARU：认知与通信不对称下的协议形成评测基准

评测基准 SANZARU 将拆弹任务的信息与权限分配给分别无法听、说、看的 3 个 AI 智能体，以评测信息不对称下的协议形成与协作能力。该基准含 7 类共 120 个谜题，在 1512 轮评测中，7 款模型取得 49% 的整体成功率（20% 至 86% 不等）。在 771 次团队失败中约 60% 归因于通信，智能体常尝试使用队友无法接收的通道。