LifeSearch基准发布

2026年10月13日，Hugging Face Daily Papers 报道称，LifeSearch 发布了一个面向 Deep Research Agents 的评测基准，聚焦真实生活与专业生产力场景。该基准包含 7 个领域的 203 个中英文任务，基于超过 4,500 小时人工标注，构建了逾 4,000 条专家细粒度 rubrics。报道还称，研究在统一框架下测试了 12 个先进 DR agents，其中表现最佳的 GPT-5.6 Sol 得分为 63.4%。目前报道未提及该基准后续更新或进一步评测结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。