跳到正文
arXiv · AI· Alham Fikri Aji, Faiz Rizki Ramadhan, Zayd M. K. Zuhri, Seung Hun Eddie Han, Ryandito Diandaru, Qinrong Cui, Jan Christian Blaise Cruz, Badrinath Chandana, Peerawat Chomphooyod, Ahmed Attia, Jonibek Mansurov, Emilio Villa-Cueva, Canh Duong Nguyen, Imran Turganov, Minghao Wu, Peerat Limkonchotiwat, Irina Nikishina·· 2026-10-05AI 评分26

HyperBrowseComp:面向网页浏览智能体的多语言多模态压力测试基准

HyperBrowseComp: A Multilingual and Multimodal Stress Test for Web-Browsing Agents

AI 导读

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。

来源:arXiv · AI · arxiv.org