DeepSearchQA – 谷歌开源的AI研究Agent测试基准

DeepSearchQA是什么

DeepSearchQA是谷歌开源的新基准测试工具，用于评估Agent在网络研究任务中的全面性和多步查询能力。工具包含17个领域共900个手工设计的“因果链”任务，每一步都依赖于先前分析。与传统测试不同，DeepSearchQA能衡量Agent生成详尽答案集的能力，评估研究准确性和检索召回率。DeepSearchQA能衡量“思考时长”效率，帮助开发者优化Agent性能，推动复杂任务处理技术的发展。

DeepSearchQA的主要功能

• 多领域任务设计：工具包含17个领域共900个手工设计的“因果链”任务，涵盖复杂场景，要求Agent逐步推理和查询。