arXiv · AI· Chanhee Park, Jeongho Yoon, Sungbin Han, Hyeonseok Moon, Heuiseok Lim·· 8 小时前AI 评分38
AgentHop：基于科学引文图的多跳智能体问答诊断基准
AgentHop: A Diagnostic Benchmark for Agentic Multi-Hop Question Answering over Scientific Citation Graphs
AI 导读
AgentHop 发布 1011 道选择题及七工具沙箱，拆解检索、合成、工具调用等资源管理四轴评估。 覆盖 19 个模型发现显著家族特征：GPT 早期提交，DeepSeek 与 Kimi 过度搜索。 论文已被 NeurIPS 2026 接收并开源完整测试集与测试框架。
来源：arXiv · AI · arxiv.org