ホットトピック継続更新中
研究团队推出MCP智能体幻觉评测基准MCPHallu
1 件の報道1 件の報道元5 時間前 更新
まずこの件を把握する
AI 概要
2026年11月6日，研究团队推出针对MCP智能体的幻觉评测基准MCPHallu，旨在从推理、执行和记忆三个维度诊断其面临的幻觉风险。该基准涵盖5个领域的358个任务以及36个生产级MCP服务器。研究团队对来自8家厂商的14款前沿LLM智能体进行了5,012条轨迹评测。测试结果显示，受测智能体的平均得分仅为0.642；在不可达目标任务中，智能体平均分降至0.458，且通过率仅为23.2%。
AI が報道をもとに生成 · 5 時間前 更新
最新の進展11月6日 13:00
研究团队发布MCPHallu基准，评测显示前沿智能体平均得分仅0.642。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月6日
- arXiv 人工智能MCPHallu：评测 MCP 智能体的推理、执行与记忆幻觉
研究团队推出 MCP 智能体幻觉评测基准 MCPHallu，从推理、执行和记忆三个维度诊断其面临的幻觉风险。该基准包含 5 个领域的 358 个任务与 36 个生产级 MCP 服务器，对 8 家厂商的 14 款前沿 LLM 智能体进行了 5,012 条轨迹评测。测试显示智能体平均得分仅 0.642，在不可达目标任务中平均分降至 0.458 且通过率仅 23.2%。
このストーリーのホット度の推移
現在のホット度 9·比較可能範囲のピーク 10（11月6日 14:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。