标签
Perplexity发布了WANDR，一个用于研究代理的开放基准测试与评估框架，包含500个需要广泛探索与深度验证的现实数据收集任务。初步结果显示，即使是最强大的系统也得分较低，凸显出广度和深度兼具的研究仍是一个具有挑战性的开放问题。