LifeSearch:真实生活深度研究智能体基准
AI 总结
arXiv 预印本提出 LifeSearch,一个面向真实生活与生产力场景的深度研究智能体基准,包含 203 个中英文任务,取自 7 个具体生活与生产力领域的真实用户查询。作者称投入逾 4500 小时人工标注,构建 4000 多条细粒度评分标准,并在统一评测框架下测试 12 个先进深度研究智能体。作者报告表现最好的前沿智能体 GPT-5.6 Sol 仅得 63.4%,并称聚合分数与人类评判高度一致(Spearman ρ=0.89、Kendall τ=0.81)。
深度见解
作者指出,现有基准多聚焦学术研究或合成任务,真实生活与职业生产力场景下深度研究智能体的能力尚未得到充分评估。
Computer Science > Artificial Intelligence
arXiv:2610.18092 (cs)
[Submitted on 13 Oct 2026]
Title:LifeSearch: Benchmarking Deep Research Agents for Real-World Life and Productivity
Authors:Yibo Wang, Senjie Jin, Yansong Ning, Xinbing Liang, Haotian Luo, Jiazheng Zhang, Yuxuan He, Will Wu, Clarenceai
View a PDF of the paper titled LifeSearch: Benchmarking Deep Research Agents for Real-World Life and Productivity, by Yibo Wang and 8 other authors