智能体基准测试及评估框架发布
发生了什么
Hugging Face Papers报道，研究人员推出面向视频深度研究的智能体基准测试OmniDR-Bench及多维评估框架。该框架使智能体能合成外部证据生成与视频关联的交互式报告，解决当前基准未评估视频中心研究的问题。OmniDR-Bench包含50个中英文任务，涵盖19个现实子类别，共6414条标准。最佳系统得分为63.3分，但智能体仍需改进内容覆盖、跨模态因果逻辑分析及引用支持。
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 来源报道1 个发布入口