Hugging Face Daily Papers·· 2 天前AI 评分34
LifeSearch：面向真实生活与生产力场景的深度研究智能体基准测试
LifeSearch: Benchmarking Deep Research Agents for Real-World Life and Productivity
AI 导读
研究团队推出 LifeSearch 基准，包含 203 个中英文任务，覆盖 7 个生活与生产力领域，基于超 4500 小时人工标注构建 4000 余条细粒度评分标准。在统一评测框架下测试 12 个深度研究智能体，表现最好的 GPT-5.6 Sol 仅得 63.4%。
来源：Hugging Face Daily Papers · huggingface.co