研究人员推出了PeopleSearchBench，一个旨在评估人工智能驱动的个人搜索平台性能的新基准。这个开源基准使用119个真实世界的查询，涵盖招聘、销售前景和专家搜索用例，来评估四个平台。新颖的Criteria-Grounded Verification管道通过从查询中提取明确的标准并对照实时网络搜索验证结果，确保事实相关性。该基准衡量相关性精度、有效覆盖率和信息效用，其中专业代理Lessie的性能比其他系统高出18.5%，并实现了100%的任务完成率。 AI
影响 为AI个人搜索工具建立了标准化的评估方法，有望提高准确性和实用性。
排序理由 该集群描述了一篇介绍AI系统基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
