港科大（广州）

BrowseComp-ZH团队发布新基准测试集，对20多个主流大模型进行中文网页能力测试，结果显示多数模型在中文互联网检索上准确率低于10%，仅有少数能突破20%。研究揭示了模型在中文信息环境中的“死角”，强调了推理能力和多轮策略的重要性，并指出搜索功能的不当使用可能误导模型。