arXiv · NLP· Nahyun Lee, Dongkeun Yoon, Guijin Son, Geewook Kim, Dayoon Ko, Jeonghun Park, Haneul Yoo, Jaewon Cho, Junghun Park, Changyoon Lee, Kyochul Jang, Jaeyeon Kim, Eunsu Kim, Woojin Cho, Seungone Kim·· 3 天前AI 评分25
K-BrowseComp:基于韩语情境的网页浏览智能体基准测试
K-BrowseComp: A Web Browsing Agent Benchmark Grounded in Korean Contexts
AI 导读
K-BrowseComp 发布了包含 400 道题目的韩语网页浏览智能体基准,其中 300 道验证子集由韩语母语者人工构建。 前沿 LLM 如 GPT-5.5 在该子集上的得分仅为 30.00%-45.67%,而韩国本土 LLM 得分在 0.00%-10.33% 之间。 研究团队公开了数据和代码,以填补韩语智能体基准的空白。
来源:arXiv · NLP · arxiv.org