清华发布ANSER-Bench分析型搜索基准

清华大学团队发布ANSER-Bench，用于评估模型能否在检索信息后给出有证据支撑、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，并提供证据标注和14种任务设置。 团队测试发现，现有检索方法及SOTA Deep Research基线即使检索指标较高，仍有近50%的任务失败。相关论文、代码和数据已开源。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。