SGR-Bench：基于状态门控检索的搜索智能体基准测试

本文针对大型语言模型智能体在专业数据检索任务中的不足，提出了“状态门控检索”（SGR）概念，即需通过过滤器或层级建立正确站点状态才能获取证据。作者构建了包含 100 个专家策划任务的 SGR-Bench 基准，涵盖六个来源家族。评估显示，现有最强系统仅达 66.18% 的项目级 F1 分数，主要失败原因在于检索范围漂移和标准不匹配，而非答案生成。该研究揭示了智能体在复杂工具交互与状态配置技能上的关键缺陷。