arXiv · NLP· Yunhan Wang, Jiaan Wang, Lianzhe Huang, Xianfeng Zeng, Fandong Meng·· 6 小时前AI 评分34
EvoBrowseComp: 评估搜索智能体在动态知识下的能力
EvoBrowseComp: Benchmarking Search Agents on Evolving Knowledge
AI 导读
论文提出 EvoBrowseComp 基准，包含 400 道英文和 400 道中文无污染复杂问题。 通过三智能体框架实现自动化合成，定期更新以对抗静态污染，确立可扩展的高难度评测范式。
来源：arXiv · NLP · arxiv.org