AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:内在知识依赖×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月28日
11:32
11:32arXiv cs.AI@HuiMing Fan, Xiao Wang, Zheng Chu, Qianyu Wang, Zhuoyao Wang, Ming Liu, Bing Qin, XingYu
精选72°
研究团队发现,基于LLM的搜索智能体在BrowseComp基准测试中,高达44.5%的问题无需工具即可回答,超过一半的搜索查询来自内部假设而非检索线索,表现出对内在知识的依赖而非真正的证据驱动搜索。当移除支持答案的外部证据后,智能体表现甚至不如闭卷基线。为此,团队推出了LiveBrowseComp,一个包含335个依赖90天内发布事实的问题的深度搜索基准,所有智能体在该基准上的闭卷准确率低于2%,搜索增强得分比BrowseComp下降25-40点,且模型排名不再可靠。该基准旨在评估智能体超越内在知识覆盖的真实搜索能力。
论文搜索智能体基准测试内在知识依赖LLM评估LiveBrowseComp

推荐理由:这项研究戳穿了搜索智能体的真实能力——它们可能只是在验证已知信息而非真正搜索。做搜索Agent或评估AI检索能力的团队,值得看看LiveBrowseComp这个新基准,避免被静态测试误导。
原文
精选全部日报登录