**跨语言深度研究基准测试揭示智能体与检索器的性能退化**

_Beyond Monolingual Deep Research: Evaluating Agents and Retrievers with Cross-Lingual BrowseComp-Plus_

> XBCP基准保持英语问答，但文档语言跨12语种变化。评测发现，密集多语言检索器召回显著下降，智能体答案准确率、校准度与引用可靠性均大幅降低；即使供给全部黄金证据，准确率依旧偏低，凸显跨语言检索与智能体整合语言不匹配证据的双重困难。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-17 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.15345)