OpenDS-World实时网络深度搜索基准发布

发生了什么

据Hugging Face Papers报道，OpenDS-World是一个用于评估自主多步深度搜索代理的实时网络深度搜索基准。该基准包含200个具有挑战性的任务，涵盖不同的信息模态、异构文件格式和交互访问要求。12个前沿模型在该基准下的评估显示，最佳模型准确率为39.0%，而人类评估的准确率为21.1%。分析表明，模型之间存在显著的研究策略差异，并且在工具协调和长周期搜索管理方面存在持续挑战。