我们将发布 BrowseComp，代表浏览竞争。 🏎️ 可以把它想象成编程或数学竞赛——虽然这些比赛可能并不能完美反映现实世界的软件工程或数学研究，但它们确实捕捉到了一丝智慧。 这是我们在评估深度研究类浏览代理的智能时应该关注的基准。