#142 · 主分类： MLOps与评测
deep_research_bench
DeepResearch Bench：深度研究智能体的综合基准
项目最后更新：05/11/26
GitHub Stars
817
Forks数量
84
贡献者数量
2
许可证
Apache-2.0
收录理由
深度研究型智能体的产出往往开放且没有唯一正确答案，人工阅读评估既费时又难以统一尺度。这个基准项目直接针对这一痛点，汇集了100个由专家撰写的博士级任务，覆盖22个领域，中英文任务各半，且查询方式贴近真实用户在网络搜索中的习惯。仓库不仅提供了完整的评估流程和基于评分标准的打分框架，还维护着公开排行榜，方便开发者将自己的智能体与其他团队的结果进行横向对比。对于正在交付研究类智能体的团队来说，用它来衡量报告质量、事实准确性和呈现效果，比逐篇人工阅读要可靠得多。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
unsloth
本地UI，用于运行和训练LLM及扩散模型。支持GGUF、MLX、Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、FLUX等。
LlamaFactory
统一高效微调100+大语言模型与视觉语言模型（ACL 2024）
airflow
Apache Airflow - 一个以编程方式编写、调度和监控工作流的平台
langfuse
🪢 开源AI工程平台：LLM评估、可观测性、指标、提示管理、游乐场、数据集。与OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等集成。🍊YC W23
netron
神经网络、深度学习和机器学习模型的可视化工具