搜索基准相关 AI 资讯 · AI 热点

9月1日

07:48

07:48

官方一手marktechpost@Asif Razzaq

Keenable AI 开源了 NEEDLE 基准测试工具，每小时重建一次查询集。该基准专门解决搜索 API 读取答案键的问题。测试对象包括具有获取工具的搜索智能体。基准测试防止模型直接下载公共数据集跳过检索过程。

论文 NEEDLE Keenable AI 搜索基准

推荐理由：Keenable AI 发布了 NEEDLE 基准，每小时更新查询集，防止搜索模型作弊跳过检索步骤。

8月15日

01:43

01:43

Aravind Srinivas@AravSrinivas

72°

Perplexity与OpenRouter联合推出了Web Search Benchmarks。该基准在openrouter.ai/benchmarks上公开，比较不同模型和配置下的搜索工具表现。Web Search Benchmarks的排名能帮助开发者决定如何为智能体（agent）配置搜索grounding。

AI模型 Perplexity OpenRouter 搜索基准

推荐理由：Perplexity和OpenRouter发布了搜索基准，直接比较不同模型配搜索工具的效果，帮你决定智能体怎么接入搜索。

8月14日

23:49

23:49

OpenRouter@OpenRouterAI

OpenRouter发布了Web Search Benchmarks，对多种搜索工具在不同模型和配置下的表现进行排名。该基准旨在帮助开发者决定如何为AI代理配置搜索能力。排名覆盖了不同模型的搜索结果质量对比，开发者可直接参考OpenRouter官网的基准页面。

AI模型 OpenRouter Web Search Benchmarks 智能体

推荐理由：OpenRouter出了个搜索基准，能对比不同模型接搜索的表现，帮你选agent怎么接搜索。

7月15日

09:48

09:48

Aravind Srinivas@AravSrinivas

精选

Perplexity 宣布 Wide Research 功能现已在 Perplexity Agent API 中可用。该功能旨在解决窄搜索（Narrow search）后的前沿问题，即大规模查找所有合格结果并逐个提供证据。Perplexity 同步发布 WANDR，一个包含 500 个真实知识工作任务的基准，即便是当前最强模型也难以胜任。Agent API 的 Search as Code 架构允许模型一次性设计研究策略，然后确定性执行，避免上下文过载。开发者可通过 wide-research preset 在 Agent API 中启用该功能。

AI产品 Perplexity Agent API Wide Research WANDR

推荐理由：Perplexity 把搜索从单点命中升级成全面取证，还自建了 500 个真实任务的硬基准 WANDR，做研究自动化的话值得试试这个 preset。