部署在企业设置中的代理必须跨结构化API和文档集合进行推理，但现有基准会孤立地评估这些功能。我们引入了VAKRA （ e\ textbf {V} aluating\ textbf {A} PI和\ textbf {K} nowledge\ textbf {R} etrieval\ textbf {A} gents ） ，这是一个跨$ 62 $域的超过$ 8 {,} 000 $可执行API的基准，其任务跨越了三个增加难度的设置

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2608.12282v1)获取最准确的信息。

---
🔗 **原文链接**: [VAKRA: Evaluating Multi-Hop Reasoning Across APIs and Retrie](https://arxiv.org/abs/2608.12282v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Ankita Rajaram Naik, Anupama Murthi, Benjamin Elder, Siyu Huo, Raavi Gupta, Abhinav Jain, Praveen Venkateswaran, Abdulhamid Adebayo, Danish Contractor

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
推理能力是LLM的下一个战场。这篇文章技术细节到位，适合有一定基础的同学细读。
Benchmark看多了容易麻木——跑分好不一定产品好用。这篇文章好在对分差有分析，不只是贴数据。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-08-13 22:01