2026年7月2日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

现在评测集太简单了,OpenAI 推出深度搜索评测新基准 BrowseComp

发布日期:2025-04-14 07:09:52 浏览次数: 2964
作者:AI工程化

微信搜一搜,关注“AI工程化”

推荐语

OpenAI发布全新深度搜索评测基准BrowseComp,挑战AI在互联网上深度挖掘信息的能力。

核心内容:
1. BrowseComp的设计理念与挑战性
2. 基准测试中AI与人类的表现对比
3. OpenAI开源BrowseComp,推动AI智能体发展

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

OpenAI 昨日除发布了个人记忆功能外(谜底揭晓!ChatGPT记忆功能全面升级,您的专属ChatGPT上线),还宣布推出并开源 BrowseComp,一项全新且极具挑战性的基准测试。该基准旨在精准衡量智能体在互联网上定位极端难以查找信息的核心能力,以此应对当前评估方法的显著不足。

随着 AI 智能体日益依赖网络浏览获取知识,评估其深度挖掘和综合信息的能力变得至关重要。现有基准(如 SimpleQA)已被具备快速浏览工具的先进模型(如带浏览功能的 GPT-4o)轻松搞定,无法有效衡量 AI 是否具备解决复杂、需要持久探索和跨多网站信息整合的现实挑战。

BrowseComp 正是为解决这一关键差距而设计。它包含 1,266 个精心构建的高难度问题,核心特点是“难于查找,易于验证”。问题要求简短、明确、有据可查的答案,并刻意设计得无法通过简单搜索轻易获得,区别于简单的信息检索,它迫使 AI 智能体必须具备卓越的事实推理、检索浏览分析的能力。如:

请识别一篇在 2023 年 6 月前发表的研究出版物的标题,该出版物提到了文化传统、科学过程和烹饪创新。该出版物由三名作者合著,其中一名是西孟加拉邦的助理教授,另一名拥有博士学位。

答案:面包制作的基础:面包的科学

90 年代,一所新学校由合并一所女子学校和一所男子学校而成,形成一所男女同校的学校,位于一个可追溯到 19 世纪后半叶的历史小镇。这所新学校被赋予了一个拉丁名字。这所女子学校的名称是什么?

答案: 慈善修女院

该基准问题主题的分布如下:

该基准的挑战性极高:

  • 对顶尖 AI 构成严峻考验:即使是 GPT-4o(带浏览功能)的准确率也仅为 1.9%。
  • 对人类同样困难:在专门测试中,经验丰富的人类研究员在 2 小时内仅能解决 29.2% 的问题。

测试结果清晰地揭示了能力差异:虽然标准模型表现不佳,但 OpenAI 专为深度研究和持久网络浏览训练的 Deep Research 智能体表现突出,准确率达到 51.5%。这有力证明了 BrowseComp 在区分 AI 真实深度信息检索能力方面的有效性。研究同时表明,增加推理计算资源能显著提升性能。

OpenAI 强调,通过 开源 BrowseComp,旨在推动研究社区开发更强大、更可靠、更值得信赖的 AI 智能体。虽然 BrowseComp 聚焦于特定核心能力,但它为衡量 AI 在信息迷宫中的关键技能(持久性与创造力)提供了一个不可或缺且易于评估的工具。

BrowseComp 现已通过 OpenAI 的 simple-evals GitHub 仓库向公众开放。OpenAI 诚邀全球研究者利用此基准进行评估与创新,并期待反馈。为维护基准的长期有效性,强烈建议不要在网络上公开传播数据集中的具体示例。这一基准的推出不仅能够对齐评测标准,更重要的是刺激各大厂商在这一领域的投入,深度搜索将迎来“超级时刻”!

项目地址:https://github.com/openai/simple-evals

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅