Reddit · asankhs / reddit ·

browsecomp-plus-mini:仅 15 条查询就能近似复现 830 条全集对深度研究 Agent 的排名

为什么值得读: 低成本评测子集对日常迭代 Agent 很实用,方法论可复用到自建评测集。

AI 摘要

作者从 BrowseComp-Plus 的 830 条查询中筛出 15 条代表性子集,无需 LLM 判官即可得到与全集接近的 Agent 排名,并公开筛选方法。

打开原文阅读完整内容 →
相关事件与更多上下文见编辑部与归档页。