HyperBrowseComp:面向网页浏览智能体的多语言多模态压力测试基准
研究团队提出 HyperBrowseComp,这是一个包含 423 道人工编写且经人类验证问题的多语言多模态浏览基准,覆盖 13 种语言。这些问题要求定位冷门证据、遵循多步骤线索链或检查视频、扫描文档等异构来源,旨在测试持续信息检索能力。团队使用提供商标配搜索和共享外部检索框架,在通用智能体协议下评估了多个模型,并通过对部分问题进行人类评估来定位模型表现。
研究团队提出 HyperBrowseComp,这是一个包含 423 道人工编写且经人类验证问题的多语言多模态浏览基准,覆盖 13 种语言。这些问题要求定位冷门证据、遵循多步骤线索链或检查视频、扫描文档等异构来源,旨在测试持续信息检索能力。团队使用提供商标配搜索和共享外部检索框架,在通用智能体协议下评估了多个模型,并通过对部分问题进行人类评估来定位模型表现。
美团 LongCat 团队基于 762 万实体的知识图谱构建了搜索智能体评测基准 LoHoSearch,包含 544 道题目。该基准通过双维度难度控制生成更具挑战性的问题,最强模型 GPT-5.5 准确率仅 34.74%,显著低于其在 BrowseComp 上的 80% 以上表现,且现有上下文管理策略的增益也大幅收窄。
美团搜索团队将 LLM 语义表征引入服务零售搜索排序模型,经历了从单点特征验证到系统表征体系构建再到跨场景迁移的三期迭代。
Kimi 开放平台推出联网搜索 Basic、Pro 及网页读取三个独立 REST 接口,将网页处理为结构化结果或相关正文片段。联网搜索 Pro 通过提取高相关片段并返回来源权威性等级,降低 Token 成本并提升回答准确性。三个接口分别按次计费,其中 Pro 接口价格为 15 元/千次。
Google Research 提出 Retrieve-for-Train 框架,通过离线强化学习训练 53.9M 参数扩散模型,实现单次非自回归查询扇出,解决 LLM 推理延迟瓶颈。 该方法利用 4B 级 Gemma3-4B 和 Qwen3-4B 模型合成监督数据,避免推理时消耗大量 CoT 思考 token,使复杂搜索结果集能达成多样性与互补性等集合级属性。
ChatGPT 利用搜索和深度研究功能,帮助用户查找最新信息、分析来源并生成结构化洞察。
DeepSeek 将 DeepSeek-V3.1 更新至 DeepSeek-V3.1-Terminus 版本,优化语言一致性并增强 Code Agent 与 Search Agent 能力。目前官方 App、网页端、小程序与 DeepSeek API 模型均已同步更新。开源版本可通过 Hugging Face 和 ModelScope 下载。
Sentence Transformers 提供了一套用于微调稀疏嵌入模型的完整流程,涵盖模型、数据集、损失函数及评估器等组件。该库生成的 sparse-encoder/example-inference-free-splade-distilbert-base-uncased-nq 模型成本低,特别适合混合搜索或检索重排场景。
ChatGPT 支持市场研究,可规划、搜索、阅读来源并汇编详细报告。 该功能支持市场分析,自动完成信息搜集与整理。
该文章展示了如何使用 Hugging Face 的 Transformers 和 Datasets 库构建图像相似度系统。系统采用基于 ViT 的 nateraw/vit-base-beans 模型计算图像嵌入向量,通过余弦相似度匹配查询图像与候选集。代码支持并行处理,并可通过 Swin Transformer 或 ConvNeXT 等模型扩展至其他图像数据集。