我們正在發布 BrowseComp，它代表瀏覽競爭。🏎️ 可以把它想像成編碼或數學競賽——雖然這些競賽可能無法完全反映現實世界的 SWE 或數學研究，但它們確實捕捉到了智慧的火花。 這是我們在評估類似深入研究的瀏覽代理的智能時應該關心的基準。