研究人员推出了LakeQuest，这是一个旨在评估问答系统在真实数据湖上表现的新基准测试。该基准测试包含在三个领域（AI/ML元数据、零售银行和生物医学信息）中的9,846个人工验证的问答对。使用检索增强生成（RAG）和代理工具使用方法进行的初步评估显示，当前系统在关系链、策略基础和联合表格问答等领域面临重大挑战，表明需要改进发现和组合机制。 AI
影响 突出了当前问答系统在真实数据湖场景中的局限性，推动了对改进检索和推理能力的研究。
排序理由 该集群描述了一篇新发布的关于arXiv的学术基准测试论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.12310v1 Announce Type: cross Abstract: While modern question answering (QA) systems excel on clean, schema-aligned corpora, real-world knowledge is rarely so neatly packaged. Answering questions over enterprise and scientific data lakes requires systems to navigate het…
While modern question answering (QA) systems excel on clean, schema-aligned corpora, real-world knowledge is rarely so neatly packaged. Answering questions over enterprise and scientific data lakes requires systems to navigate heterogeneous, weakly structured collections of table…