LayerRAG-Bench：面向智能体RAG的跨层可靠性基准

LayerRAG-Bench覆盖8个企业领域、240个任务和9种故障场景，在来自OpenAI、Anthropic和Gemini的9个模型上生成38,880条任务级记录。schema规范化将schema漂移成功率从0.000提升到0.913，但无法修复过期证据、缺失工具输出、权限拒绝和错误会话上下文。仅基于groundedness的评估在过期证据和错误会话下产生大量假阳性。该基准支持按层评估原则：可靠性干预应只对其目标层生效，而非视为通用修复。