BrowseComp

BrowseComp是一个用于评估AI智能体网络浏览与信息检索能力的基准测试集。它通过设计需要多步骤网络搜索才能解答的复杂问题，衡量模型在真实网络环境中定位、筛选和整合信息的能力。该基准注重问题的客观可验证性，旨在区分具备深度搜索推理能力与仅依赖表层检索的AI系统。