GeoBrowse：一个带有专家标注推理轨迹的代理工具使用地理定位基准

本文提出 GeoBrowse，一个结合视觉推理与知识密集型多跳查询的地理定位基准，旨在评估深度研究智能体的多步工具使用能力。该基准包含两个难度层级，分别测试碎片化视觉线索的提取组合及长尾知识验证。作者设计了包含多种图像与知识工具的智能体工作流 GATE，并提供了基于可验证证据的专家标注逐步轨迹。实验表明，GATE 优于直接推理及现有开源智能体，证明有效的工具使用规划而非单纯增加调用次数是提升性能的关键。