跳到正文
实时
热点事件历史事件

OpenDS-World基准发布

1 篇报道1 个报道来源27 天前更新

先了解这件事

AI 综述

qwen 发布 OpenDS-World 基准,用于评估真实网络环境自主深度搜索智能体,显示前沿模型与人类表现存在显著差距。在 12 个前沿模型中,最佳模型准确率达 39.0%,而 1000 次人类评估准确率为 21.1%。分析指出,模型间研究策略存在差异,工具协调和长时程搜索管理是主要挑战。 OpenDS-World 引入实时网络基准来评估自主多步深度搜索智能体,揭示前沿模型与人类表现之间存在显著差距。

AI 根据报道生成 · 更新于 27 天前

报道时间线

沿着报道,了解事件的不同侧面。

10月23日
  1. Hugging Face Daily Papers
    OpenDS-World:用于评估真实网络环境自主深度搜索智能体的基准

    OpenDS-World 引入一个实时网络基准来评估自主多步深度搜索智能体,揭示前沿模型与人类表现之间存在显著差距。在 12 个前沿模型中,最佳模型准确率达到 39.0%,而 1000 次人类评估准确率为 21.1%。分析显示模型间研究策略存在差异,且工具协调和长时程搜索管理仍是主要挑战。