arXiv · AI· Yizhen Jiang, Haowei Guo, Tianyi Bai, Zengjie Hu, Lu Ma, Zhengyang Zhao, Haoze Sun, Peng Pei, Wentao Zhang·· 14 天前AI 评分28
MCPHallu:评估MCP智能体推理、执行与记忆幻觉的基准测试
MCPHallu: Benchmarking Reasoning, Execution, and Memory Hallucinations in MCP Agents
AI 导读
MCPHallu 发布了一个包含 358 项任务的基准,用于诊断 MCP 环境下的智能体幻觉。该基准涵盖 5 个能力域,并在 36 个生产级 MCP 服务器运行,设计了 Branch Collapse、Unreachable Goal 等 4 种失败亚型以进行细分分析。
来源:arXiv · AI · arxiv.org