Глубокое Исследование: Сравнение Агентов ИИ

Данный текст представляет собой подробный анализ нового исследования, посвященного бенчмаркингу глубоких исследовательских агентов. В нем описывается, как исследователи создали новый набор данных с использованием реальных запросов и экспертов, а также разработали две инновационные системы оценки: RACE для общей оценки качества и FACT для проверки фактической точности и цитирования. В результате проведенного тестирования различных агентов, включая Grok, Perplexity, Gemini 2.5 Pro и OpenAI, Gemini 2.5 Pro показал лучшие результаты в общей оценке RACE, в то время как Perplexity продемонстрировал более высокую точность цитирования, хотя и с меньшим количеством ссылок. Также обсуждается, что модели LLM с функцией поиска могут быть жизнеспособной альтернативой специализированным глубоким исследовательским агентам.