Google：DeepSearchQA基准测试顶尖AI为何做不好深度调研

DeepSearchQA 是由 Google 研究团队推出的一个全新基准测试，旨在评估人工智能智能体在处理复杂多步搜索任务时的表现。该基准包含 900 个精心设计的提示词，要求模型在开放的网络环境中进行深度研究并生成详尽的答案列表。与以往关注单一事实检索的测试不同，它侧重于考察智能体系统化整理零散信息、排除重复项以及判断搜索何时结束的能力。通过对当前顶级模型的评估，研究发现即便最先进的系统在平衡信息查全率与准确率方面仍面临巨大挑战。这一工具的发布填补了“全面性差距”，为推动能够自主执行深度研究任务的下一代 AI 智能体提供了关键的诊断标准。