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
主分类：evaluation
形态：benchmark
被引：5
被引来源：Semantic Scholar
S2被引：5
影响力被引：0
TLDR：This work proposes RAGCap-Bench, a capability-oriented benchmark for fine-grained evaluation of intermediate tasks in agentic RAG workflows, and constructs a taxonomy of typical LLM errors to design targeted evaluation questions.
标题中文：arXiv · RAGCap-Bench: Benchmarking Capabilities of LLMs in Agentic RAG Systems（⭐⭐⭐ 参考）
TLDR中文：本文提出 RAGCap-Bench，一个面向能力的 benchmark，用于对 agentic RAG workflow 中的中间任务进行细粒度评测，并构建了典型 LLM 错误的分类体系以设计针对性评测问题。
副分类：agent
待LLM分类：否
来源文件：
/inbox/jay/2026-06-10-agent-memory-mechanisms-rag-eval.md
[S2 enrich]

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