卡内基梅隆发布智能体搜索价值评测基准

卡内基梅隆大学团队发布SearchHorizonBench及配套评测仓库，用于评估AI智能体预测追加搜索能否改善答案。研究覆盖45,632次独立执行、8,880次预测和3,168个问题，从行动成功预测、预期搜索收益和决策效用三个维度评分。 仓库提供评分记录、冻结预测、数值评测器和回放示例；保存数据的回放可在本地使用NumPy运行，无需模型或搜索API凭证。评测要求先冻结预测器再查看测试结果，新的前瞻性评测则使用独立队列。

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。