DeepSearchQA – 谷歌开源的AI研究Agent测试基准，精准衡量智能体在真实研究场景中的综合能力

谷歌开源全新网络研究智能体基准DeepSearchQA，成为AI界对抗GPT-5.2的爆款工具。涵盖17个领域的900项人工设计的因果链任务，其中每个步骤都依赖于先前的分析。首次引入过程性评估指标，通过权衡答案正确性、覆盖广度、引用质量和成本效率四大维度，精准衡量智能体在真实研究场景中的综合能力。DeepSearchQA能衡量“思考时长”效率，帮助开发者优化Agent性能，推动复杂任务处理技术的发展。

DeepSearchQA的主要功能

• 多领域任务设计：工具包含17个领域共900个手工设计的“因果链”任务，涵盖复杂场景，要求Agent逐步推理和查询。
• 全面性衡量：与传统基于事实的测试不同，DeepSearchQA要求Agent生成详尽的答案集，能评估研究的准确性和评估检索的召回率。
• 诊断“思考时长”：作为衡量工具，评估Agent在执行更多搜索和推理步骤时的性能提升，帮助优化其推理效率。
• 推动研究发展：为开发者提供标准化的测试基准，助力开发更强大、更智能的Agent，适用于复杂任务处理。

DeepSearchQA的技术原理

• 因果链任务设计：每个任务都设计为多步因果关系，每一步都依赖于前一步的结果，模拟现实世界中复杂的网络研究场景。
• 多步强化学习：Agent通过多步强化学习进行搜索和推理，能在复杂的信息环境中自主导航，逐步优化查询策略。
• 迭代式查询：Agent采用迭代式查询方式，先提出问题、读取结果，识别知识空白后再进行下一步搜索，逐步完善答案。

DeepSearchQA的应用场景

• 跨领域研究：在涉及多个学科的复杂研究中，DeepSearchQA能辅助研究人员获取和整合不同领域的信息。
• 市场调研：工具能快速收集和分析市场数据，生成详细的市场研究报告。
• 疾病诊断与治疗方案：通过多步推理，为医生提供更全面的诊断和治疗建议。
• 新闻报道：帮助记者快速收集和核实新闻背景信息，生成高质量的新闻报道。