BrowseComp+
PulseAugur coverage of BrowseComp+ — every cluster mentioning BrowseComp+ across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Hugging Face launches Open Agent Leaderboard for AI systems
Hugging Face has launched the Open Agent Leaderboard, a new framework for evaluating the performance and cost of AI agent systems. This benchmark focuses on assessing an agent's generality across diverse tasks and setti…
-
Argus代理系统像拼图一样组装研究证据
研究人员开发了Argus，一个新颖的代理系统，旨在通过将证据收集视为拼图组装来改进深度研究能力。与经常重复信息的并行搜索方法不同，Argus采用搜索者（Searcher）和导航者（Navigator）组合。搜索者收集证据痕迹，而导航者管理证据图，识别缺失的部分，并综合最终答案。这种方法在基准测试中显著提高了性能，64个搜索者在BrowseComp上取得了86.2的成绩，在保持可管理的上下文窗口的同时，性能优于专有代理。
-
OpenSearch-VL 提供高级多模态搜索代理的开放式方案
研究人员开发了 OpenSearch-VL，这是一种新颖的、完全开源的、用于训练高级多模态深度搜索代理的方案。该方法利用了一个精心策划的高质量训练数据管道、一个结合文本和图像搜索以及各种处理能力的多元化工具环境，以及一个专门用于处理工具失败的训练算法。由此产生的代理在多项基准测试中表现出显著的性能提升，可与专有模型相媲美，旨在使前沿搜索代理研究更加易于获取。
-
Kimi K2 model boasts 1T parameters and SOTA HLE, while Soumith Chintala departs PyTorch
Kimi K2, a new model from Kimi, boasts 1 trillion parameters and achieves state-of-the-art results on the HLE benchmark. It also demonstrates capabilities in BrowseComp and TauBench. Separately, Soumith Chintala has dep…