arXiv cs.AI· Jichao Li, Jinrong Lu, Manjiang Yu, Zhixuan Liu·· 11 小时前AI 评分26
DelegateEval：面向个人对外服务智能体的平台评估框架
DelegateEval: Evaluating Platforms for Personal External Service Agents
AI 导读
研究者提出 DelegateEval，一个面向“个人对外服务智能体”的平台级评估框架，覆盖易创建性、服务发现与匹配、交付质量、专长继承、服务连续性、学习与改进、可靠性与治理、效率与价值八个维度。该框架可评估结合 LLM、可复用技能、MCP 等协议与可执行工具环境的智能体系统，目前仅给出框架与实验设计，完整数据集、可执行环境、统一评分协议及跨模型结果仍待开发与实证验证。
正文 · AI 翻译
摘要：长期为个人工作的 AI 智能体也可能帮助该个人服务外部客户。我们将个人外部服务智能体定义为：由特定个人授权并持续管理，利用该个人的知识、经验、专业方法和服务边界来接受客户请求、交付工作并提供持续支持的智能体。此类智能体可使个人以更少的直接参与服务更多客户，并大规模创造经济价值。我们提出 DelegateEval，这是一个面向智能体系统的平台级评估框架，该系统可能结合大语言模型、可复用技能、MCP 等协议以及可执行工具环境。它涵盖八个维度：创建便捷性、服务发现与匹配、交付质量、专业能力继承、服务连续性、学习与改进、可靠性与治理、效率与价值。这些维度评估平台能否让不同背景的人将其专业知识转化为持续服务，从而交付可验证的工作、通过经验发展能力并保持经济可行性。我们提出了该框架和实验设计。完整数据集、可执行环境、统一评分协议以及跨模型结果仍有待开发和实证验证。
| 评论： | 28 页，7 幅图，6 张表。评估框架与实验设计 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.07508 [cs.AI] |
| （或 arXiv:2611.07508v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07508 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jichao Li [查看邮箱]
[v1]
2026 年 11 月 5 日星期四 06:13:41 UTC（469 KB）
来源：arXiv cs.AI · arxiv.org