Hugging Face · 每日论文· 媒体 / 作者来源·精选
OpenDS-World基准：评估AI代理在真实网络环境中的深度搜索能力
原文标题
Deep Search in Real-World Web Environments
AI 导读
研究团队推出OpenDS任务和OpenDS-World基准，评估AI代理在真实开放网络环境中进行多步骤深度搜索的能力。该基准包含200个挑战性任务，涵盖多种信息模态、异构文件格式和交互访问要求。评估显示，最佳模型准确率为39.0%，而人类评估准确率为21.1%。研究揭示了模型在工具协调和长程搜索管理方面的持续挑战。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
OpenDS-World提供了首个系统评估AI代理在真实开放网络环境中自主深度搜索能力的统一平台，包含200个多模态、异构格式的挑战任务，并揭示了当前模型在工具协调和长程搜索管理方面的显著差距。
导读由模型辅助整理，非独立核验。完整信息见原文。