BrowseComp: 一种简单而具有挑战性的浏览代理基准测试

本文提出了BrowseComp，一个简单但具有挑战性的基准测试，用于衡量代理在网上浏览信息的能力。该基准测试包含1266个问题，要求代理持久性地导航，以寻找难以找到的纠缠信息，展示了在信息搜索中的创造力和坚持不懈的重要性。