AgenticRAGTracer：一种感知跳跃的基准，用于诊断代理 RAG 中的多步检索推理

随着基于代理方法的快速发展，代理检索增强生成（Agentic RAG）已成为重要研究方向。多跳推理要求模型进行深思熟虑的思考和多步交互，是评估此类能力的关键测试场。然而，现有基准通常仅提供最终问答，缺乏连接原子问题与最终多跳查询的中间跳跃级问题，限制了细粒度评估。为此，本文提出 AgenticRAGTracer，这是首个主要由大语言模型自动构建且支持逐步验证的 Agentic RAG 基准。实验表明，即使是最先进的模型在该数据集上表现不佳，主要失败原因在于推理链扭曲，凸显了模型在根据任务逻辑结构分配步骤方面的关键缺陷。