OpenDS-World 基准：GPT-6 Astra 实时网页深度搜索 39%，人类均值 21.1%
emmanuelvivier · x · 2026-10-25
arXiv 论文《Deep Search in Real-World Web Environments》提出 OpenDS 任务与 OpenDS-World 基准：200 个高难度任务，要求 agent 在真实开放网页上自主进行多步深度搜索——通过网页搜索、浏览器交互和证据处理，从多个独立信源发现并整合证据，最终给出唯一事实答案，并经独立人工验证确保答案唯一性。
- 12 个前沿模型在统一工具环境与执行协议下评测，最佳模型达 39%——据称即 GPT-6 Astra，显著高于人类平均的 21.1%。
- 基准覆盖多种信息模态、异构文件格式与需要交互式访问的场景，弥补静态检索评测无法反映真实网页复杂性的不足。
「模型」频道最新
- Reddit 用户控诉:Pro 到期后 62500 Codex 积分锁死小模型,形同留客钩子 — lanqo88 · 2026-10-25
- Reddit 热议:Codex 用量是否被按用户'暗调',谁也验证不了 — Dadideology · 2026-10-25
- Claude 识别出用户在欧洲且是周日后主动劝人下班 — aiamblichus · 2026-10-25
- Claude 上架 Google Cloud：Anthropic 托管版正式可用，账单和 IAM 走谷歌 — emmanuelvivier · 2026-10-25
- 被逼表态时 Grok 92% 选共和党，GPT-6.1 Sol 97% 选民主党 — emmanuelvivier · 2026-10-25
- 微软 AI 诊断系统 MAI-DxO 准确率 83.2%，碾压医生的 36.1% — emmanuelvivier · 2026-10-25