模型
BrowseComp
BrowseComp 是 OpenAI 开源的 AI 浏览能力评估基准，包含 1266 个高难度问题，覆盖多个领域。它要求 AI 代理进行多步骤推理和跨网站信息整合，测试其搜索、分析和适应能力。Deep Research 模型在其中表现优异，准确率达 51.5%。该工具适用于企业知识库、电商导购、政府服务及 AI 研究等领域，推动智能浏览技术发展。
ChatGPT的同类软件：11个国内外类似ChatGPT的工具
本文介绍了11款与ChatGPT相似或可作为其替代品的AI聊天工具，包括New Bing、ChatSonic、Jasper Chat、YouChat、Replika、Character AI、对话写作猫、Claude、Poe、百度文心一言和Google Bard。这些工具涵盖了多种功能和特点，如强大的语言理解能力、连续对话、多轮对话、视觉识别、情感陪伴、多样化角色选择等，以满足不同用户的需求。
Agent K v1.0
Agent K v1.0 是一款端到端自主数据科学智能体，由华为诺亚方舟实验室与伦敦大学学院团队联合开发。该工具能够自动化处理数据科学生命周期中的各个环节，支持多模态数据处理，具备动态多步骤问题解决能力，并通过结构化推理和动态记忆管理实现自我学习与优化。Agent K v1.0 在Kaggle多模态挑战赛中表现优异，广泛应用于金融、医疗、零售、制造及客户服务等领域。
LongReward
LongReward是一种由清华大学、中国科学院及智谱AI联合开发的AI工具，专注于通过多维度评估（有用性、逻辑性、忠实性和完整性）来优化长文本大型语言模型的表现。它利用现成的语言模型提供奖励信号，并结合强化学习算法改善模型性能，特别擅长处理复杂长文本任务，如文档理解、摘要生成及特定领域的数据分析，如法律、金融和医疗。
