LifeSearch 深度研究智能体基准发布
热点事件持续更新
LifeSearch 深度研究智能体基准发布
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
研究人员发布 LifeSearch 基准，用于评测深度研究智能体在真实生活与生产力场景中的表现。该基准包含 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）。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
LifeSearch：面向真实生活与生产力的深度研究智能体基准测试报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AILifeSearch：面向真实生活与生产力的深度研究智能体基准测试
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）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。