今天凌晨2点，OpenAI开源了专门用于智能体浏览器功能的测试基准——BrowseComp。这个测试基准非常有难度，OpenAI自己的模型准确率只有0.6%和0.9%，但最新发布的Agent模型Deep Research准确率达...

AI 研究人员提出睡眠时间计算概念，让模型在用户未提出查询时「思考」，以提高大型语言模型的推理效率和准确性。