Exa 发布 ATLAS 基准，评测搜索密集型任务上的智能体

Exa 预览 ATLAS 基准，包含 547 个基于真实搜索需求生成的深度与广度研究任务，用固定答案表自动评分。测试中成本低于每任务 1 美元的系统行 F1 均未超过 0.5，最贵系统以 8.92 美元、18 分钟达到 0.66，且仍漏掉约三分之一答案。Exa 称将公开任务、答案表和评分器，并计划每 3–6 个月按新搜索趋势重新生成。