1️⃣2️⃣ arXiv · RAGPerf: End-to-End RAG Benchmarking Framework（⭐⭐⭐ 参考）

• 类型：arxiv
• 标识：2603.10765
• 链接：https://arxiv.org/abs/2603.10765
• 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
• 来源文件：
• /inbox/jay/2026-06-10-agent-memory-mechanisms-rag-eval.md
• /inbox/jay/2026-06-16-1850-engineering-filter-harness-rag-eval.md

可复用信息

• • 标签：Agentic RAG Enterprise FinanceBench Evaluation
• • 链接：https://arxiv.org/html/2510.13910v2
• • 细粒度评估 Agentic RAG 组件能力（规划/检索/推理中间过程），而非仅端到端 QA；揭示中间步骤错误如何级联影响最终答案
• • 标签：Agentic RAG Benchmark Component Evaluation
• • 链接：https://arxiv.org/html/2603.10765v1
• • 端到端 RAG Benchmark，覆盖 Wikipedia (6.41M 条目)、Arxiv (30K PDFs)、GitHub Code (11M)、The People's Speech (300K 音频)；支持数据/张量/流水线并行配置
• • 标签：RAG Benchmark End-to-End Performance
• • 链接：https://recsys.substack.com/p/is-bm25-enough-for-agentic-deep-research

写作用途

• 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
• 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
• 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
• 可用于系统实现、实验平台或工程约束说明。
• 可用于局限性、风险、失效模式和未来工作。

待补齐

• BibTeX / 正式引用格式
• 方法与实验设置细节
• 与现有工作的差异点
• 是否有代码和数据集