LifeSearch：面向真实生活与生产力场景的深度研究智能体基准

论文提出 LifeSearch 基准，包含 203 个中英文任务，源自真实用户查询种子，覆盖 7 个生活与生产力领域。经 4,500 多小时人工标注构建了 4,000 多条专家撰写的细粒度评分标准，在统一评测框架下对 12 个先进深度研究智能体进行实验，表现最好的 GPT-5.6 Sol 仅得 63.4%。