「ATLAS」検索AIの能力を評価

ATLASは、ウェブ検索を必要とする現実世界のタスクで検索エージェントを評価する新しいベンチマークであり、その精度と完全性を強調しています。このベンチマークは、高い努力をしたエージェントでさえ重要な正解を大幅に見逃していることを明らかにし、検索エンジンに大きな改善の余地があることを示しています。ATLASは、記憶に頼らないタスクに焦点を当て、広範な複数ドメインの検索を必要とし、費用対効果の高い採点プロセスを提供することで、既存のベンチマークとは異なります。