基准
BrowseComp-ZH
BrowseComp的中文版本，用于评估搜索智能体在中文环境下的信息检索与推理能力。
时间轴 (近 90 天)
10月19日
KnowGPO实验覆盖Xbench、BrowseComp-ZH和GAIA三个基准。
待验证50%
10月19日
GAIA是通用助手式基准，强调多步推理与工具使用的组合；BrowseComp-ZH是中文浏览类基准，侧重在开放网页中定位难以直接检索的事实；Xbench是面向专业领域（含金融、咨询）的深度搜索评测。
待验证50%
BrowseComp的中文版本，用于评估搜索智能体在中文环境下的信息检索与推理能力。
KnowGPO实验覆盖Xbench、BrowseComp-ZH和GAIA三个基准。
GAIA是通用助手式基准，强调多步推理与工具使用的组合；BrowseComp-ZH是中文浏览类基准，侧重在开放网页中定位难以直接检索的事实；Xbench是面向专业领域（含金融、咨询）的深度搜索评测。