FutureSim 团队用 Exa Snapshot 解决评测回溯搜索泄漏难题

maksym_andr · x · 2026-11-17

FutureSim 项目团队回顾了 9 个月来构建可靠 backsearch 的历程:项目启动时没有可靠的回溯搜索工具,测试 Brave API 发现存在数据泄漏,随后由 Shashwat Goel 基于 CCNews 搭建了支撑其模拟实验的搜索工具。

最近 ExaAI 发布的 Snapshot 带来大幅改进——完全无泄漏且覆盖更好。作者指出可靠的 backsearch 为新型评测打开了空间,例如测试 agent 能否复现过去的科学发现。

引用推文补充观察:此前主要是 GPT 展现出色的在线适应能力,如今多数模型在测试时都有显著提升,包括开源权重模型在内均已正向校准,Muse Wonder 提升最少。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →