行业与实践 · 研究与基准测试

研究与基准测试/2026-11-06/18 分钟

DeepSearchQA：900 题测深度研究，完全正确最高 66.09%

Google DeepMind 用 900 条开放网页题，要求智能体交出穷尽答案列表，而不只找到一个答案。Gemini Deep Research 完全正确 66.09%、F1 81.90；完全错误最低 9.95%。采样 8 次可把完全正确从 67.18% 抬到 85.71%。