我們發佈了 BrowseComp，它代表瀏覽競爭。🏎️ 把它想像成編碼或數學競賽——雖然這些競賽可能無法完美地反映現實世界的SWE或數學研究，但它們確實捕捉到了智慧的火花。 這是我們在評估類似深度研究的流覽代理的情報時應該關心的基準。