一个名为 InteractComp 的新基准已被开发出来，用于评估语言代理在网络搜索中处理模糊查询的能力。该基准包含 210 个专家精心策划的问题，显示当前代理在处理模糊性方面存在显著困难，表现最好的模型准确率仅为 13.73%。研究表明，让代理能够互动并提出澄清性问题可以极大地提高性能，这凸显了尽管在通用搜索性能方面取得了进步，但它们当前能力中存在一个关键的差距。 AI
影响 凸显了当前 AI 搜索代理能力中的一个关键差距，表明需要改进交互和消歧机制。
排序理由 该集群包含一篇介绍用于评估 AI 代理的新基准的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
