arXiv cs.AI· Yibo Wang, Senjie Jin, Yansong Ning, Xinbing Liang, Haotian Luo, Jiazheng Zhang, Yuxuan He, Will Wu, Clarenceai·· 8 小时前AI 评分29
LifeSearch：面向真实生活与生产力的深度研究智能体基准测试
LifeSearch: Benchmarking Deep Research Agents for Real-World Life and Productivity
AI 导读
研究人员推出 LifeSearch 基准，包含 203 个中英文任务，覆盖 7 个生活与生产力领域，基于超 4,500 小时人工标注构建 4,000 余条细粒度评分标准。在统一评测框架下测试 12 个先进深度研究智能体，表现最好的 GPT-5.6 Sol 仅得 63.4%。人类排名研究显示基准总分与人工判断高度一致（Spearman's ρ = 0.89，Kendall's τ = 0.81）。
来源：arXiv cs.AI · arxiv.org