我们正在发布 BrowseComp，它代表浏览竞争。🏎️ 可以把它想象成编码或数学竞赛——虽然这些竞赛可能无法完全反映现实世界的 SWE 或数学研究，但它们确实捕捉到了智慧的火花。 这是我们在评估类似深度研究的浏览代理的智能时应该关心的基准。