evolving-knowledge

本文介绍了EvoBrowseComp，这是一个动态基准测试，包含400个英文和400个中文复杂问题，通过实时网络遍历合成，用于评估搜索代理，避免测试集污染，确保对参数记忆的鲁棒性。

EvoBrowseComp是一个演进式基准测试集，包含800个无污染的问题，用于评估搜索智能体，旨在通过三智能体框架防止参数记忆并保持时间新鲜度。