arxiv · arXiv · 2026-10-03 00:48 · 评分 88
HyperBrowseComp是一个多语言多模态网页浏览智能体压力测试基准，包含13种语言、423个人工编写并验证的难题，要求智能体通过多步骤线索链并检索视频、扫描文档、图片或地图等异质来源才能找到可公开验证的答案。
原文：arXiv ｜ 返回 AI 资讯列表