基准
Xbench
一个用于评估AI智能体能力的基准测试集，涵盖知识密集型任务。
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%
一个用于评估AI智能体能力的基准测试集，涵盖知识密集型任务。
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。