EvoBrowseComp动态搜索基准测试发布

1. 12:00
   arXiv · NLP

   EvoBrowseComp: 评估搜索智能体在动态知识下的能力

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。