本页目录
BrowseComp
OpenAI提出的通用浏览检索基准，要求持续查找难以定位、相互纠缠的网页信息并给出简短可核验答案；并非科学专属。
返回目录与筛选本条目暂无迁入的成绩表。
基本情况与使用条件
- 提出机构
- OpenAI
- 时间
- 2025-04-10（官方发布）
- 引用数
- 2 · OpenAlex · 2026-10-12[3]OpenAlex所收录引用数，统计于2026-10-12；不代表所有数据库的总引用数。0仅表示该库当前计数为0，不能证明无人引用。
- 是否有知名大模型厂商引用 / 采用
- OpenAI 提出提出方身份与外部厂商采用分开。
- 数据集 / 项目链接
- 见原文与项目来源
- 涉及学科
- 网页检索、多步浏览、信息查证
- 数据规模
- 1,266 个问题以官方发布页的原始BrowseComp为准，不混入后续变体。
- 是否允许 train · Agent 权重训练
- 防止测试题进入训练语料[1]官方要求不要在线公开题目明文或图像，并提供canary以便从训练语料中滤除benchmark、避免浏览时直接检索答案。此处保留结构示意而不传播原题。
- 任务内模型拟合 / 训练
- 任务内浏览和证据整理，不等于agent权重训练。
- 单个样本评测所需时间预估
- 没有统一单题耗时[1]尚无统一时长；官方讨论增加推理/浏览预算带来的变化；必须固定模型、浏览工具、时间或token预算、尝试次数后比较。
输入格式与样例
需要多步网络检索的自然语言问题[1]
输入样例
格式示意，非原题与标准答案根据若干跨网页线索定位一个人物、事件或作品。（结构示意，非数据集原题。）输出格式与样例
简短、尽可能唯一且可核验的最终答案[1]
输出样例
格式示意，非原题与标准答案<准确的实体名或短事实答案>（结构示意）。厂商引用 / 采用证据
- OpenAI · 提出并发布：OpenAI官方发布BrowseComp与simple-evals实现。 证据来源
评分、版本与阅读边界
- 保留原始BrowseComp名称；中文、扩展检索集或其他变体须另报版本。
- 官方指出短答案成绩与真实用户开放式deep research质量的相关程度仍不确定。
原文与依据
- OpenAI BrowseComp 发布页2025-04-10；1,266问题；短答案设计；Footnotes污染提醒 · 本次在线读取：2026-10-12
- BrowseComp 论文论文入口，本文未单独读取 · 供稿 / 既有材料来源；本次未重新在线核验
- OpenAlex 引用统计BrowseComp: A Simple Yet Challenging Benchmark for Browsing Agents；https://doi.org/10.48550/arxiv.2504.12516；cited_by_count=2 · 本次在线读取：2026-10-12
汇总来源：survey/子玲/科学智能体相关的benchmark.md。本页未运行 benchmark；样例不是本次模型生成或实测结果。