#BrowseComp

共 4 条 · 7 天 1 条 · 30 天 1 条

信息流里打上「BrowseComp」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月9日

有个叫 AREX 的研究智能体，答完题会自己逐条核对再补漏，BrowseComp 拿了 82.5%，微调过的 4B 小模型还打赢了 35B。

DeepLearning.AI@DeepLearningAI原文

8月14日

做联网搜索Agent？Perplexity Agent API支持多步研究、代码执行，基准分翻倍，值得一试。

Aravind Srinivas@AravSrinivas原文

8月6日

它用答案倒推给搜索智能体每一步打分，4B模型在BrowseComp上拼到55.3%，能对标30B模型，值得看方法。

arXiv cs.AI@Yijun Lu 等 7 人原文

5月13日

论文官方一手70°21:36

Anthropic 把评估意识这个容易被忽视的陷阱说透了——做 AI 评估或关注模型真实能力的团队，看完会重新审视自己的测试方法。

官方一手Anthropic: Engineering11 个信源在谈原文