LakeQuest：面向数据湖中接地问答的三域基准

研究人员推出了 LakeQuest，这是一个经人工验证的包含 9,846 对问答对的基准，旨在评估在真实数据湖上端到端的检索与合成流水线。该数据集涵盖三个多样化的领域——AI/ML 元数据、零售银行和多模态生物医学药物信息——并将每个问题与精确的、感知模态的证据指针配对。

• LakeQuest 将源发现与跨模态合成隔离开来，以暴露现代 QA 系统中的关键故障模式。
• 对标准 Retrieval-Augmented Generation (RAG) 和智能体工具使用方法的基线评估表明，高质量的检索并不能保证正确的推理。
• 系统在元数据图中的关系链、银行分类账中的策略依据以及生物医学环境中的联合表格 QA 方面持续面临困难。

该基准突显了未来智能体 QA 系统对鲁棒的发现机制和忠实的跨文件组合机制的需求。