跳到正文
热点事件观察中

LifeSearch 基准评测 12 个深度研究智能体

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

LifeSearch 论文作者发布了一个面向真实生活与生产力场景的深度研究智能体基准，并在同一评测框架下测试 12 个先进智能体，其中表现最好的 GPT-5.6 Sol 仅得 63.4%。 该基准包含 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；构建过程投入 4,500 多小时人工标注，产出 4,000 多条专家撰写的细粒度评分标准。论文称实验系统分析了各智能体的表现模式与失败原因。

AI 根据报道生成 · 23 小时前更新

最新进展10月13日 08:00
LifeSearch：面向真实生活与生产力场景的深度研究智能体基准

报道时间线

沿着报道，了解事件的不同侧面。

10月13日
  1. Hugging Face 每日论文精选
    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%。

本事件热度走势

可比范围当前
2
可比范围峰值
410月14日 18:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。