优先展示覆盖情况与实测结果；需要审计时再打开运行记录和技术细节。
0/4
条结论获得证据支持
0
获得支持
0
受到挑战或冲突
0
遭到反驳
0
无法判定
4
尚未评估
每一行是一条真实执行记录；命令、日志、哈希和签名都收纳在详情中。
尚无复现运行
论文中的实验方案开始执行后，运行记录会显示在这里。
逐个实验展示当前执行状态、阻塞原因、恢复动作和证据去向；技术执行与科研结论始终分开。
执行成功不等于论文结论成立
目标状态回答平台有没有跑完；右侧科学结论只由不可变证据和 Assessment 决定。资源不足或平台故障不会被写成反驳论文的科研结论。
当前任务创建于目标级记录上线之前。下方状态来自历史任务的保守投影，不会伪造运行尝试、资源决策或证据关系。
AGENTIC R AG-R1 reports higher or near-highest F1 than listed baselines across seven multi-hop, open-domain, and agentic QA benchmarks.
Optional independent reconstruction of the main QA benchmark
实验方案已经存在，但当前处理任务没有对应的执行目标。
The paper reports increasing AGENTIC R AG-R1 F1 as the maximum reasoning-step budget grows on selected 2Wiki, Bamboogle, and TriviaQA evaluations.
Optional independent reconstruction of step-budget scaling
实验方案已经存在，但当前处理任务没有对应的执行目标。
The paper reports lower average inference time than TC-RAG and downstream results on MedQA, DeepResearch Bench, ALFWorld, and WebShop.
这条结论尚无可执行实验方案。
The paper reports that removing memory actions, rollout rejection, or both lowers average F1, and that removing both retrieval and memory rewards gives the lowest ablation average.
Optional independent reconstruction of component ablations
实验方案已经存在，但当前处理任务没有对应的执行目标。
