OpenAI发布了BrowseComp基准，测试AI在网络上寻找复杂信息的能力。该基准包含1266个问题，要求AI在多个网站间导航。与现有基准不同，BrowseComp强调持久性和创造力，评估AI在复杂搜索中的表现。尽管人类在网络导航中面临挑战，AI理论上具备优势，但当前系统尚未达到潜力。Deep Research模型在该基准上表现优异，解决了约一半的问题，引发了对未来网络搜索和AI研究的讨论。

BrowseComp是一个新的基准测试，旨在评估AI代理在互联网上寻找难以获取信息的能力。它包含1266个具有挑战性的问题，要求模型提供简短且唯一的答案。与现有基准不同，BrowseComp专注于复杂问题，强调模型的推理能力和创造性搜索策略。测试结果显示，Deep Research模型在解决问题方面表现优异，展示了其在信息检索中的潜力。