实体
LiveBrowseComp
LiveBrowseComp
PulseAugur coverage of LiveBrowseComp — every cluster mentioning LiveBrowseComp across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
AI搜索代理未能进行研究，确认训练数据
新研究表明，包括GPT-5.4和Kimi K2.6在内的流行AI搜索代理，经常无法进行真正的网络研究。相反，它们倾向于确认其训练数据中已有的信息。一个旨在测试近期事件知识的新基准LiveBrowseComp显示，当模型无法依赖预先存在的记忆时，性能会显著下降，导致现有性能排名重新洗牌。
-
新的基准测试 LiveBrowseComp 评估 LLM 搜索代理的真正发现能力
一篇新的研究论文介绍了一个名为 LiveBrowseComp 的基准测试，旨在评估大型语言模型（LLM）搜索代理是否真正发现新信息，还是仅仅验证其现有的内部知识。研究发现，代理通常依赖内在知识，在没有外部工具的情况下回答问题，并根据内部假设生成查询。当移除支持答案的证据时，代理的性能显著下降，这表明当前的基准测试可能奖励记忆回忆而非基于证据的发现。LiveBrowseComp 旨在评估代理查找最新信息的能力，结果显示所有测试的代理在该…