PARTNR
PARTNR是由Meta FAIR发布的多智能体推理与规划研究领域的大规模基准测试平台，核心定位为面向AI研究人员的多智能体协作能力评估工具
PARTNR是由Meta FAIR发布的多智能体推理与规划研究领域的大规模基准测试平台，核心定位为面向AI研究人员的多智能体协作能力评估工具。平台内置10万个经过验证的自然语言协作任务，支持基于大型语言模型的智能体规划能力测试，同时提供人类在环评估基础设施。目标用户覆盖AI研究人员、多智能体系统开发人员、高校人工智能方向师生等群体，可用于多智能体协作算法验证、LLM规划能力短板分析、人机协作机制研究等场景，为相关领域的技术迭代提供标准化的测试支撑。
- 适用对象
- AI研究人员(多智能体协作算法研究)
- 主要功能
- 大规模任务库、LLM任务生成
- 计费方式
- 免费增值，部分功能付费
- 平台
- 网页
- 已收录
- 2026.06.14（138 天）
阅读目录
编辑评测与站内热度
编辑综合评分
满分 5 分
六维指标基于站内真实数据（热度、社区反馈、资料完整度、可达性核验等）综合评估，非用户投票。
全站热度排名
#12201
分类内排名
#111 / 188
累计站内点击
—
近 7 日点击
—
排名与点击为站内真实统计口径，反映 Toolifai 用户行为，非编辑评分。
PARTNR是什么，怎么使用？
约 4 分钟PARTNR是由Meta FAIR发布的多智能体推理与规划研究领域的大规模基准测试平台，核心定位为面向AI研究人员的多智能体协作能力评估工具。平台内置10万个经过验证的自然语言协作任务，支持基于大型语言模型的智能体规划能力测试，同时提供人类在环评估基础设施。目标用户覆盖AI研究人员、多智能体系统开发人员、高校人工智能方向师生等群体，可用于多智能体协作算法验证、LLM规划能力短板分析、人机协作机制研究等场景，为相关领域的技术迭代提供标准化的测试支撑。
主要功能
- 大规模任务库：平台内置10万个自然语言协作任务，任务类型覆盖日常场景协调、多步骤规划、突发问题处理等多个方向，所有任务均经过多轮模拟循环校验，去除逻辑矛盾与表述模糊的内容，研究人员可直接调用全量任务库，也可按照任务难度、协作类型筛选子集，快速搭建测试数据集，无需自行从零构建任务样本。
- LLM任务生成：平台接入大型语言模型的任务生成能力，研究人员可输入任务领域、协作人数、难度等级等参数，系统会自动生成符合要求的定制化协作任务，生成的任务会经过内置的错误校验流程，剔除存在逻辑漏洞、步骤冲突的无效内容，帮助研究人员快速扩充测试任务池，适配不同的研究场景需求。
- 模拟循环校验：所有生成的任务都会经过多轮模拟执行循环，系统会调用不同能力层级的智能体反复执行任务，标记出任务中存在的表述歧义、逻辑断层等问题，自动过滤掉通过率异常或者结果判定标准模糊的任务，最终输出的任务均具备明确的完成判定规则，保障测试结果的一致性与可参考性。
- 人类在环评估：平台搭建了完整的人类参与评估的基础设施，研究人员可发起人类-AI协作测试任务，邀请真实用户作为人类伙伴与AI代理共同完成协作任务，系统会自动记录协作过程中的交互内容、决策步骤、错误处理过程等数据，帮助研究人员对比纯AI协作与人机协作的效果差异。
- 能力短板分析：平台内置测试结果分析模块，可对智能体的测试过程数据进行拆解，从任务协调、进度跟踪、错误恢复三个核心维度输出能力评分，自动标记智能体在执行过程中出现的典型问题，同时可与平台内置的人类测试基线数据做对比，直观呈现当前算法的能力差距，为算法优化提供明确方向。
- 基准结果对比：平台收录了多个主流LLM规划器的公开测试结果，研究人员完成自有算法测试后，可直接将测试数据与现有公开结果做横向对比，查看不同算法在同类型任务上的表现差异，也可将自己的测试结果上传至平台，补充到公开基准数据库中，为行业提供更多参考数据。
怎么使用
- 访问PARTNR官网https://aihabitat.org/partnr，浏览平台介绍页面，了解基准测试的核心定位、任务覆盖范围与现有公开测试结果，确认平台是否匹配自身研究需求。
- 注册并登录研究人员账号，按照页面提示提交相关身份信息与研究用途说明，等待平台审核通过后，获取任务库与测试工具的调用权限。
- 根据研究方向选择测试方案，可直接调用平台内置的10万标准任务集，也可自定义参数生成专属任务，同时设置测试的智能体类型、协作模式等参数。
- 启动测试流程，若选择人类在环评估模式，可通过平台发布测试招募邀请真实用户参与，系统会自动记录所有协作过程数据与最终完成结果。
- 测试结束后，在结果分析页面下载完整测试报告，查看多维度的能力评分、短板分析以及与公开基线的对比数据，支撑后续研究工作。
适合什么人群
- AI研究人员(多智能体协作算法研究)
- LLM开发人员(大模型规划能力优化)
- 高校AI专业师生(相关课题研究实验)
- 人机交互研究者(人机协作机制探索)
- 机器人系统开发者(实体机器人协作能力测试)
- AI产品经理(多智能体协作产品需求调研)
总结
这是Meta FAIR面向多智能体研究领域推出的标准化基准测试平台，区别于常规的单智能体能力测试工具，它聚焦于多主体协作场景下的推理与规划能力验证，填补了该领域大规模标准化测试资源的空白。平台内置的10万级经过校验的自然语言任务库，解决了研究人员自行构建测试集成本高、一致性差的问题，而独有的人类在环评估基础设施，也让人机协作效果的对比测试变得更加便捷。公开的测试数据显示当前主流LLM规划器的任务完成率仅为30%，而人类可以达到93%，这一结果也为相关领域的研究明确了后续优化的方向，对于推动多智能体协作技术的落地有重要的支撑作用。平台整体设计偏向学术研究用途，所有核心测试能力均对合规的研究人员开放，适合相关领域的从业者用来做算法验证与效果对比。
价格与免费额度
PARTNR针对合规的非商业学术研究用途提供免费使用权限，免费版支持全量10万标准任务库调用、基础模拟测试能力、公开基准结果对比功能，无使用时长与任务调用次数限制，但人类在环评估的真人招募资源需要按需付费，根据测试规模与参与人数不同，单次测试服务价格从数百美元到数千美元不等。商业用途的用户需要联系Meta FAIR团队申请商用授权，授权价格根据使用场景与规模单独协商，建议学术研究人员优先使用免费版开展基础测试，有大规模真人评估需求的团队可根据预算选择付费的招募服务。
优点与不足
优点
- 任务库规模达到10万级，且经过多轮模拟校验，任务逻辑严谨，判定标准统一，测试结果具备可对比性
- 支持自定义参数生成专属测试任务，可适配不同研究方向的测试需求，无需研究人员从零搭建任务集
- 内置人类在环评估基础设施，可直接开展人机协作对比测试，简化了真人测试的流程与开发成本
- 公开主流LLM规划器的基准测试结果，可直接与自有算法测试数据做横向对比，便于研究人员定位算法水平
不足
- 平台偏向学术研究用途，注册需要提交研究身份与用途说明，审核周期较长，普通个人用户难以获取完整权限
- 任务类型以文本类协作任务为主，暂不支持多模态交互的协作测试，适配场景存在一定限制
- 测试结果分析维度目前仅覆盖协调、跟踪、错误恢复三个方向，自定义分析维度的灵活性不足
- 文档内容以英文为主，缺少完整的中文本地化支持，国内用户使用存在一定的语言门槛
能帮你做的 8 件事
- 01大规模任务库
- 02LLM任务生成
- 03模拟循环校验
- 04人类在环评估
- 05多智能体测试场景的常用方案
- 06LLM规划评估场景的常用方案
- 07AI研究人员(多智能体协作算法研究)的日常效率工具
- 08先用免费额度验证需求再决定付费
更新历史
- PARTNR 收录进 Toolifai 目录
- 页面资料核验与信息更新
常见问题
PARTNR的任务主要覆盖哪些场景？
PARTNR的任务库覆盖日常家居协作、办公场景协调、多步骤项目规划、突发问题应急处理等多个常见的协作场景，所有任务均以自然语言描述，要求多个主体通过信息共享、分工协作、动态调整来完成共同目标。任务的难度从简单的双主体分工到复杂的多主体多步骤规划不等，每个任务都设置了明确的完成判定标准，避免结果判定的主观性。研究人员也可以根据自身研究需求，自定义任务领域、协作人数、难度等级等参数，生成适配特定场景的定制化任务，满足不同方向的研究需求。
使用PARTNR测试需要自行部署智能体吗？
PARTNR本身是基准测试平台，不提供内置的智能体模型，需要用户自行接入待测试的智能体系统。平台提供了标准化的API接口，用户只需按照文档要求将自己的智能体接入平台的任务调度系统，即可自动执行批量测试任务，系统会自动处理任务分发、结果收集、数据统计等流程。如果用户需要测试人类与智能体的协作效果，平台提供了现成的人类交互界面，用户无需额外开发前端页面，只需接入智能体即可发起真人测试，降低了测试的开发成本。
PARTNR公布的人类与LLM测试结果具体是什么情况？
根据PARTNR官方公布的基准测试结果，在10万个标准协作任务中，人类搭档组队的任务完成率可以达到93%，而当前主流的基于LLM的规划器组队的完成率仅为30%。差距主要体现在三个方面：一是任务协调阶段，LLM容易出现分工冲突、信息传递遗漏的问题；二是任务执行过程中，LLM对进度的跟踪能力不足，容易偏离预设目标；三是出现错误时，LLM的错误恢复能力较弱，难以根据突发情况调整原有计划。这些测试数据可以为相关研究提供明确的优化方向，帮助研究人员针对性地提升智能体的协作能力。
可以将自己的测试结果上传到PARTNR公开基准库吗？
PARTNR支持研究人员上传合规的测试结果到公开基准库，上传前需要提交测试的智能体相关信息、测试过程的完整日志，平台会对提交的数据进行校验，确认测试过程符合规范、数据真实有效后，会将结果纳入公开基准库，供所有平台用户参考。上传测试结果的研究人员可以标注所属机构与算法相关信息，在公开基准库中展示相关署名，对于需要公开研究成果、展示算法能力的团队来说是一个合适的渠道。如果研究人员不希望公开测试结果，也可以选择仅在本地保存，平台不会强制上传用户的测试数据。
PARTNR支持多模态的协作任务测试吗？
当前版本的PARTNR主要支持纯文本形式的自然语言协作任务，所有任务描述、交互信息均以文本形式传递，暂不支持图像、语音、视频等多模态输入输出的协作测试。平台团队后续计划逐步扩展多模态任务支持，目前已经在开发融合视觉信息的家居场景协作任务，预计后续版本会上线相关功能。如果研究人员有强烈的多模态测试需求，可以通过平台的反馈通道提交相关建议，团队会根据需求优先级调整开发排期，也可以基于平台的开源框架自行扩展多模态支持能力。
开始使用 PARTNR
从官方入口了解最新功能与使用方式。
由 Toolifai 编辑维护
欢迎产品方补充截图、功能介绍与官方资料。更新和纠错由编辑审核后发布。
