研究团队发布AgentHop多跳问答诊断基准

Chanhee Park等作者发布 AgentHop 诊断基准，面向科学引文图谱上的智能体多跳问答：含 1,011 道选择题，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。 该基准不采用单一准确率，而是把结果拆成检索、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。团队称已公开完整基准集与运行框架，供诊断性评测使用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。