OpenAI今（11日）日開源全新基準測試資料集「BrowseComp」，針對 AI 代理在真實網路環境中搜尋、整合與驗證資訊的能力進行全面評估。這項工具的推出，不僅為AI系統的實用性測試建立標竿，也揭示目前主流大型語言模型在複雜任務處理上的明顯短板。 《詳全文...》