台湾大学 发布 MSC-Bench 数据集, 应用在 基准测试、工具编排 领域

台湾大学 本次发布的数据集 MSC-Bench, MSC-Bench是一个大规模基准测试，用于评估LLM代理在分层模型上下文协议（MCP）生态系统中进行多跳、端到端的工具编排能力。它通过构建“等价函数集”来构建真实场景，允许使用F1分数等客观指标进行评估，减少对LLM作为评判标准的依赖。MSC-Bench被组织为五个级别的课程，系统地测试代理从单一工具编排到复杂跨服务器规划的能力，以及对超出范围请求的鲁棒性。

查看MSC-Bench

关于 台湾大学 , 台湾大学是位于中国台湾地区的一所顶尖综合性研究型大学，享有“台湾最高学府”之誉。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。