Item-F1

新的Ko-WideSearch基准显示网络代理在广度搜索任务中存在困难

一个名为Ko-WideSearch的新基准已被开发出来，用于评估网络代理的广度搜索能力，重点关注穷举集枚举而非基于深度的问答。这个韩语基准通过自动化流程构建，包含190个实体和16个类别的228张表格。对20个网络代理的初步测试显示，即使在整体集合成员资格被正确识别的情况下，它们在准确恢复行级属性方面也持续失败，这表明当前AI系统面临重大挑战。