arXiv · cs.AI· Bowen Ding, Qixin Wang, Lexing Ruan, Weiyi Lu, Qiwei Ge, Ruishan Fang, Tao Lin·· 6 小时前
MS-Eval：基准测试MCP密集工作场景中的子Agent委派与编排
MS-Eval: Benchmarking Sub-Agent Delegation and Orchestration in MCP-Intensive Working Scenarios
arXiv:2610.22869v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Bowen Ding, Qixin Wang, Lexing Ruan, Weiyi Lu, Qiwei Ge, Ruishan Fang, Tao Lin
研究任务与主要进展
Bowen Ding等提出MS-Eval，用于评估LLM Agent在MCP密集型多子任务工作中的委派与编排能力，并提供基准、执行框架、定制指标和MSQ指数。基于论文摘要，对4种MAD-SAE方案和8个前沿模型的评估显示，Spec专业化最实用；开源模型整体具有竞争力，但闭源模型在成本上升时性能下降，冗余委派可能只增加开销。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org