CMU 发布基准教 AI Agent 判断再搜一次值不值

卡内基梅隆大学发布 SearchHorizonBench，一个衡量 AI Agent「搜索价值」的基准，核心问题是 agent 能否从执行历史中判断再一次网络搜索是否值得其成本。该基准通过配对延续与重复搜索的实验设计，基于 45632 次执行数据，量化评估 agent 在搜索收益与开销之间做出理性决策的能力。

2026-10-28 ~ 2026-10-28 · 2 条相关