真实网络环境中的深度搜索
研究团队推出 OpenDS-World，这是一个用于评估 AI 智能体在实时开放网络中开展多步骤研究能力的基准。其 200 项任务要求智能体通过网页搜索和浏览器交互，从不同来源与格式中查找并关联证据。在统一条件下测试 12 个前沿模型，表现最佳的模型准确率为 39.0%。人类在 1,000 次独立尝试中的准确率为 21.1%。分析指出，工具协调和长周期搜索管理仍是持续存在的难题。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。