MS-Eval发布：评测MCP场景子智能体委派

研究者 Bowen Ding 等人发布 MS-Eval 评测套件，用于量化 MCP 密集型场景下主智能体委派、子智能体执行的 MAD-SAE 范式质量，套件包含基准、受控执行框架、委派与编排指标及 MSQ 指数。 团队用该套件评测四种 MAD-SAE 变体与八个前沿模型，结论是子智能体专精化（Spec）为最佳实践，开源模型整体具竞争力。MAD-SAE 通常抬高成本且收益不定：对多数开源模型在性能与效率上均有提升，对闭源模型则成本更高、性能下降。

AI 根据报道生成 · 43 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。