arXiv · AI· Sinuo Wang, Wentao Zhao, Jiacheng Lu, Rui Sun, Beidi Luan, Qiming Shi, Jing Li, Daxin Jiang, Zuo Bai·· 5 小时前AI 评分28
LiveSearch：基于可执行验证器代码的实时金融搜索智能体基准
LiveSearch: Questions as Executable Verifier Code for a Live Benchmark of Professional-Source Financial Search Agents
AI 导读
summary_zh: LiveSearch 提出了一种将金融问题转化为可执行验证器代码的实时基准，强制模型通过工具调用获取当日专业数据而非依赖记忆。 在通用网络搜索条件下，六个现代工具调用模型的准确率区间为 70.9% 至 76.7%；连续三天测试中 70% 问题的标准答案发生变化。
来源：arXiv · AI · arxiv.org