Benchmark
BrowseComp-Plus
深度研究能力评估基准，用于测试AI智能体在复杂信息检索与综合分析任务上的表现，是BrowseComp的扩展版本
Timeline (last 90 days)
Oct 5
在BrowseComp-Plus基准上，CLM配合Qwen3 27B取得59.4%，比最好的摘要方案高约11%，计算量少约五分之一
Unverified50%
深度研究能力评估基准，用于测试AI智能体在复杂信息检索与综合分析任务上的表现，是BrowseComp的扩展版本
在BrowseComp-Plus基准上，CLM配合Qwen3 27B取得59.4%，比最好的摘要方案高约11%，计算量少约五分之一