1️⃣1️⃣ arXiv · RAGCap-Bench: Benchmarking Capabilities of LLMs in Agentic RAG Systems（⭐⭐⭐ 参考）
- 类型：arxiv
- 标识：2510.13910
- 链接：https://arxiv.org/abs/2510.13910
- 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag
- 来源文件：
/inbox/jay/2026-06-10-agent-memory-mechanisms-rag-eval.md
可复用信息
-
- 标签：
Multimodal Memory Benchmark Evaluation
-
- 链接：
https://arxiv.org/html/2605.05538v1
-
- FinanceBench 数据集评测：Agentic RAG + GPT-5-mini 达到 92% 正确率，是传统 RAG 的 3.8 倍；指出 agentic 检索 > 关键词检索 baseline（2.8×）
-
- 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
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。
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