OpenAI 开源 BrowseComp，重塑 Agent 浏览器评测，这意味着什么？

发表时间：2025-06-22 02:10:15
来源：

（又从草稿箱翻出一篇本该四月写完的文章…我的草稿箱里究竟还藏着多少 TODO 啊…）先问大家两个问题：各家 AI 现在都做了 Deep Research，那么如何比较不同的深度研究之间的能力高低呢？***设一道题目客观上存在唯一正确答案，且相关信息线索绝对可以在互联网上搜到，在允许使用搜索引擎的情况下，你觉得自己能做出来吗？当下最先进的 AI Agent 呢？为了验证大模型、Agent 网上冲浪的能力，OpenAI 编了一套超难的试卷，里面有 …。

OpenAI 开源 BrowseComp，重塑 Agent 浏览器评测，这意味着什么？

PHP初学者，我能不能使用PHP来开发桌面应用？

越正经的女人越容易做出疯狂的事吗？

推荐资讯

2025-06-22 19:10:17北京日报点名批评“苏超”过度娱乐化的动机是什么？
2025-06-22 18:40:1592年的大龄剩女，还有必要结婚吗?
2025-06-22 18:50:15导航搜索网站，推荐些推广方法哈？
2025-06-22 18:10:16Firefox 浏览器是否还有可能浴火重生?
2025-06-22 18:35:15如何评价苹果 3 月 5 日发布的 MacBook Air M4，相比前代有哪些提升？
2025-06-22 18:00:22大家有什么烧钱的爱好吗?
2025-06-22 19:10:17歼20速度接近3马赫是什么水平？
2025-06-22 19:15:16个子高是种怎样的体验？
2025-06-22 19:15:16搞研发的进了国企是不是就废了?
2025-06-22 19:05:15如何评价Amper，一个JetBrains新推出的构建工具？

推荐产品

通过重体力劳动练出来的肌肉和标准健美人员肌肉有什么不同？
简单一点，用图说话吧。首先，是肌群不均衡。因为大多数体力
如何评价 Steam 新游《捞女游戏》（已改名《情感反诈模拟器》）？
晚了，一切封杀都晚了，steam在线峰值人数4w，全区销量第
西安电动车开始上牌，最终会导致什么结果？
电动车上牌是好事，虽然没有什么用！但是看起来起码正规了一些，
Trae和Cursor对比有什么优势吗？
今天用Cursor很顺利的写了两个MT4指标工具由于Cur