PulseAugur
实时 10:12:08
实体 DeepResearch Bench II

DeepResearch Bench II

PulseAugur coverage of DeepResearch Bench II — every cluster mentioning DeepResearch Bench II across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_247730 ·

    新基准显示深度研究代理未能达到专家标准

    研究人员推出了 DeepResearch Bench II,这是一个旨在评估深度研究代理 (DRAs) 能力的新基准。该基准包含 22 个领域的 132 项研究任务,每项任务要求代理生成一份报告,并根据 9,430 个细粒度评分标准进行评估。这些评分标准源自专家撰写的文章,并通过人类-LLM 管道进行完善,侧重于信息回忆、分析和呈现。初步评估显示,即使是先进的 DRAs 也未能满足超过 50% 的标准,表明与人类研究能力相比存在显著差…