基准
WebWalker
专注网页导航与多跳信息检索的基准，衡量智能体在站点间跳转、逐层定位信息的能力。
时间轴 (近 90 天)
10月19日
论文Table 1显示，ARPO（纯文本、无隐空间模式的8B智能体）在GAIA上得38.8分，WebWalker得32.0分，两项均略高于GPT-5.6 Luna。
待验证50%
10月19日
隐空间模式带来的增量提升为：GAIA从38.8提升至43.7，WebWalker从32.0跃升至42.5。
待验证50%
10月19日
GAIA、WebWalker、HLE与DeepSearchQA评测不同能力：GAIA面向通用AI助手工具调用，WebWalker专注网页导航与多跳检索，HLE是高难度闭卷知识推理考试，DeepSearchQA评测多跳深度检索问答准确率。
待验证50%