Hugging Face · 每日论文· 媒体 / 作者来源·精选
SearchHorizonBench：AI代理搜索价值评估基准
原文标题
SearchHorizonBench: A Benchmark for Search Value in AI Agents
AI 导读
研究团队推出SearchHorizonBench基准，用于学习和评估AI代理的搜索价值。该基准包含45,632次执行和3,168个问题，通过配对连续执行和重复执行分离预期搜索增益与生成噪声。在1,632个保留问题上，历史校准将Brier误差降低16.2%，搜索增益标准差为21.4个百分点，历史估计器仅解释了点估计方差的不到2%。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
SearchHorizonBench提供了首个专门评估AI代理搜索价值的基准，通过大规模实验数据揭示了搜索增益的显著波动性和现有估计方法的局限性。
导读由模型辅助整理，非独立核验。完整信息见原文。