AgentHop：科学引文图多跳问答诊断基准发布

Chanhee Park 等作者提出并发布 AgentHop 诊断基准及配套评测框架，用于评测智能体在科学引文图谱上的多跳问答能力。该基准包含 1,011 道多选题，并配有受控的七工具沙箱，在固定的 token、轮次和工具调用约束下运行。 与只报告单一准确率不同，AgentHop 将评测结果拆解为检索、综合、工具调用和资源管理四个维度。作者称已发布完整基准集和评测框架，以支持诊断性智能体评测。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。