IXThinker·2025-05-07 15:20

中文網頁檢索新基準 大模型集體不及格

港科大（廣州）、北京大學、浙江大學、阿里等機構聯合發布中文網頁檢索基準BrowseComp-ZH，20多個主流大模型集體失手，表現最好者也僅得42.9%準確率。

測試設計

如今大模型越來越擅長「用工具」上網檢索，但在中文網頁的解析與資訊提取上究竟表現如何，一直缺乏系統評測。BrowseComp-ZH針對這一空白設計，專門考察模型理解複雜中文網頁的能力。