清华团队发布 ANSER-Bench 分析型搜索评测基准

清华大学团队发布 ANSER-Bench，面向分析型搜索并要求模型给出可辩护的结论。基准包含2235个中英双语任务，覆盖法律、金融、科研三大领域，含证据标注和14种任务设置。现有检索方法及 SOTA Deep Research 基线尽管检索指标看似很高，仍有近50%的任务失败；论文、代码和数据已开源。