ScholarCatalyst：一个检索启发新研究论文的基准

研究者构建了 ScholarCatalyst 基准，让 207 篇近期计算机科学论文的 184 位第一作者标注哪些候选论文推动了自己的项目，并据此提出检索任务。结果显示，Agentic 搜索（0.42 R@20）不如嵌入向量检索（0.48 R@20），即便基于 Claude Fable 5.1 的智能体也只达到 0.51 R@20。