LifeSearch基准发布：深研Agent最佳仅得63.4%

研究作者（Yibo Wang 等）发布LifeSearch基准，评测12个深度研究Agent在真实生活与生产力任务上的表现，表现最佳的GPT-5.6 Sol得分仅63.4%。 该基准包含来自7个现实生活与生产力领域的中英文203项任务，来源为真实用户查询种子，并以超过4,500小时人工标注构建4,000多项细粒度评分标准。一项人类排名研究显示基准总分与人类判断高度一致（Spearman ρ=0.89，Kendall τ=0.81）。 以上内容基于论文摘要，材料未提供完整实验细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。