Jiayi Zhang

新基准显示搜索代理在模糊查询上表现不佳

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。