SCHOLAT-MHopQA：基于多智能体构建的学者图谱多跳问答数据集

SCHOLAT-MHopQA 是一个面向学术垂直领域、基于多智能体协同构建的学者图谱多跳问答数据集。数据集以学者网异构学术知识图谱为数据底座，围绕学者及其关联的论文、项目、奖励等多类实体构建多跳问答任务，共收录 408 条学者记录与 1632 个问答对。数据集涵盖四种具有明显难度梯度的推理类型——细粒度推理、核心成果推理、概念定位推理与跨文档综合推理，覆盖从微观事实抽取到宏观多文档综合推理的完整难度区间。每个问答对均配有精确定位至句子级别的支撑事实标注，为 RAG 系统的证据追踪与可解释推理评估提供细粒度依据。在构建方法上，本数据集将生成流程解耦为数据提取与标准化、上下文构建、多类型问答生成、质量控制与组装四个专业化模块，并通过引入质量检测智能体（QIA）实施单文本块可解性审查与多证据联合推理必要性验证，形成生成—验证闭环，从生成端有效规避单跳退化问题，确保每个问答对具备真实、必要且可追溯的多跳推理路径。SCHOLAT-MHopQA 填补了现有多跳问答基准在学术垂直领域的空白，为评估大语言模型在复杂学术知识网络中的跨实体推理能力提供了层次性与全面性兼备的英文评测基准。