研究团队发布多语言多模态浏览基准HyperBrowseComp

Alham Fikri Aji 等作者发布网页浏览智能体基准 HyperBrowseComp，包含 423 道由母语者或高熟练度使用者编写并人工验证的题目，覆盖 13 种语言。题目要求定位冷门证据、追踪多步线索链，或检查视频、扫描文档、图像、地图等异构来源，并通过无联网模型评估过滤掉可凭参数化知识作答的简单题。 研究团队在统一智能体协议下，用提供商原生搜索和共享外部检索框架评测多个模型，并对部分题目开展人工评估。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。