技术博客

一项名为BrowseComp-ZH的新基准测试集由香港科技大学（广州）、北京大学、浙江大学、阿里巴巴、字节跳动和蔚来汽车等机构联合发布。该测试集对20多个主流人工智能模型进行了评估，结果显示，即使是先进的GPT-4o模型，其准确率也仅为6.2%，表明当前主流模型在特定任务上的表现仍有较大提升空间。