精选理由
DiscoBench告诉你，AI搜索代理的问题不是搜不到，而是不敢问——模糊查询时卡住比瞎猜还差。
新基准DiscoBench指出，AI搜索代理在多步研究中的真正短板不是搜索能力，而是当查询模糊时不会向用户追问澄清。测试显示，反复搜索但不追问的模型准确率仅51.9%，甚至低于直接猜测。表现最好的模型整体准确率也仅为43%。当移除查询中的歧义后，模型准确率最高可提升40个百分点。
AI 翻译 · 中文
新基准DiscoBench指出，AI搜索代理在多步研究中的真正短板不是搜索能力，而是当查询模糊时不会向用户追问澄清。测试显示，反复搜索但不追问的模型准确率仅51.9%，甚至低于直接猜测。表现最好的模型整体准确率也仅为43%。当移除查询中的歧义后，模型准确率最高可提升40个百分点。
AI search agents rarely fail at multi-step research because of the search itself. Their real problem is not asking the user for clarification when queries are ambiguous. A new benchmark called DiscoBench shows that model…