OpenDS-World 基準測試：12 個前沿模型在真實網路深度搜尋中最高準確率 39.0%
提出 OpenDS 任務與 OpenDS-World 基準，評估代理在即時開放網路中進行多步驟深度搜尋的能力。
- 本站上線
- 2026/10/24 上午06:15
- 首次報導
- 2026/10/19 上午08:00
- 最早來源發布
- 2026/10/19 上午08:00
AI 摘要｜已與來源比對｜未經人工查核。本文由程式（qwen3.8:27b）讀取下列來源全文與官方原文後撰寫， 每段後面的標籤是依據的來源，點擊即可開啟原文。程式會比對數字、版本與日期是否出現在來源中， 但這不等於事實查核。內容怎麼產生、有什麼限制； 發現錯誤請用文末的「回報」。
研究在做什麼
儘管深度搜尋代理（Deep Search agents）已有相當進展，其在真實開放網路環境中進行端到端研究的能力仍評估不足。與靜態檢索不同，真實網路資訊分散於多樣來源、模態與異質格式中，常涉及複雜互動機制，要求代理在執行期間自主搜尋、存取並整合相關證據。本研究旨在填補此缺口，提出 OpenDS 任務以評估代理在即時開放網路中進行多步驟深度搜尋的能力。 Hugging Face 每日精選論文
方法
研究團隊建構了 OpenDS-World 基準，包含 200 個具有挑戰性的任務，涵蓋多樣資訊模態、異質檔案格式及互動式存取需求。該基準透過獨立人工驗證確保證據有效性與答案唯一性。研究在統一的工具環境與執行協議下，評估了 12 個前沿模型。 Hugging Face 每日精選論文
結果
表現最佳的模型達到 39.0% 的準確率，而人類在 1,000 次獨立嘗試中的準確率為 21.1%。進一步分析工具使用、搜尋成本、終止行為及失敗恢復情況，顯示各模型在研究策略上存在顯著差異，且在工具協調與長程搜尋管理方面仍面臨持續挑戰。 Hugging Face 每日精選論文
程式碼與資料
本站 2026-10-24 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：
- 程式碼：Yu-xm/OpenDS｜21 顆星｜最後更新 2026-10-23｜授權 Apache-2.0
- 模型與資料集：Hugging Face 上沒有連結到這篇論文的公開模型或資料集
來源：佐證 1 筆
媒體轉述新聞媒體的報導
- Hugging Face 每日精選論文 · Deep Search in Real-World Web Environments10/19 上午08:00
這篇對你有用嗎？
登入會員後可以按反應與留言。登入
留言 0
- 還沒有留言。
留言公開顯示暱稱，不顯示你的真實姓名與信箱。含多個連結或疑似廣告的留言會先經編輯確認；檢舉達 3 次的留言會自動隱藏。隱私政策
發現錯誤？
回報會進入待處理清單；核實後更正，並在文中註記更正紀錄。