arXiv · AI· Yibo Wang, Senjie Jin, Yansong Ning, Xinbing Liang, Haotian Luo, Jiazheng Zhang, Yuxuan He, Will Wu, Clarenceai·· 2026-10-14AI 评分32
LifeSearch:面向真实生活与生产力场景的深度研究Agent基准
LifeSearch: Benchmarking Deep Research Agents for Real-World Life and Productivity
AI 导读
新基准LifeSearch包含203个真实任务,基于4,500小时人工标注构建4,000条细粒度评分标准。 评估12个深度研究Agent发现最佳者GPT-5.6 Sol仅得63.4%分数,且LLM评分与人类判断高度一致。 该基准为提升真实场景下的深度研究Agent能力提供了评估框架基础。
来源:arXiv · AI · arxiv.org