Deep Search 真实网页基准测试
推荐指数 71.0 NO. 023 · 2026.10.24
upvotes149comments1
简介
OpenDS-World 推出首个实时网页环境基准，测试自主多步深度搜索代理在真实开放网络中的端到端研究能力。现有前沿模型与人类水平差距显著，静态检索评估已无法反映真实场景复杂度。
媒体预览
编辑判断
这个基准的杀伤力在于「live web」——不是缓存好的静态语料，而是实时变化的网页结构、反爬机制、登录墙和动态加载。之前 WebArena、Mind2Web 这些基准测的是「给定工具会不会用」，OpenDS 测的是「没有工具时能不能自己找到工具」。
从 149 upvotes 但仅 1 条评论的热度结构看，社区还在消化这个工作的 implications：如果 GPT-4o、Claude 3.5 在这个基准上翻车，那所有做「AI 研究员」「深度调研 Agent」产品的团队都需要重新校准预期。
建议关注他们即将开源的评估框架和代理实现，这可能是 2024 下半年 Agent 赛道最关键的硬基准之一。