arXiv · cs.AI · Chanhee Park, Jeongho Yoon, Sungbin Han, Hyeonseok Moon, Heuiseok Lim · 8 小时前模型评分55
AgentHop：面向科学引文图谱智能体多跳问答的诊断基准
AgentHop: A Diagnostic Benchmark for Agentic Multi-Hop Question Answering over Scientific Citation Graphs
导读
研究团队发布 AgentHop，一个包含 1,011 道选择题的诊断基准，配套受控的七工具沙箱，并在 token、轮次和工具调用次数上设定固定约束。该基准把单一准确率拆成检索、综合、工具调用和资源管理四个维度，用于定位智能体任务的失败原因。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：ai-tooling，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “To fill this gap, we introduce AgentHop, a diagnostic benchmark of 1,011 multiple-choice questions paired with a controlled seven-tool sandbox under fixed token, turn, and tool-call constraints.”
- “We release the full benchmark set and the harness to support diagnostic agent benchmarking.”
来源：arXiv · cs.AI · arxiv.org