现在评测集太简单了，OpenAI 推出深度搜索评测新基准 BrowseComp
OpenAI 发布并开源 BrowseComp 基准测试，旨在评估智能体在互联网上精准定位极难查找信息的能力，以应对现有评估方法的不足。
BrowseComp
OpenAI放大招！BrowseComp来了，AI上网能力大比拼！
OpenAI发布了全新基准测试BrowseComp，专为评估AI代理在互联网上寻找难以获取信息的能力而设计。该测试包含1266个难题，其中大多数人类也需要花费两小时才能解决。
Openai发布Agent基准测试，小米开源自动驾驶框架，字节跳动发布Seed-Thinking-v1.5技术细节
文章介绍了五个项目或工具：BrowseComp、ReCamMaster、ORION、Seed-Thinking-v1.5 和 Agent-Wiz。它们分别专注于AI代理的浏览能力、视频生成、自动驾驶以及智能体的工作流安全评估等方面，涵盖了机器学习和人工智能领域的多个方向。