MCPHallu基准发布，诊断MCP智能体幻觉

研究团队在arXiv发布MCPHallu基准，沿推理、执行、记忆三条轴诊断MCP环境中智能体的幻觉型失败。基准包含358个任务、覆盖5个能力域，运行于36个隔离容器中的生产MCP服务器。 团队用它评估了来自8家厂商的14个前沿LLM智能体，共5012条轨迹，并已公开发布该基准。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。