DRBENCHER：你的智能体能识别实体、检索属性并进行数学计算吗？

深度研究智能体日益交织网页浏览与多步计算，但现有基准孤立评估这些能力。本文提出 DRBENCHER，一个生成需同时具备浏览与计算能力问题的合成基准生成器。该基准通过统一的答案优先流程，在五个领域强制执行可验证性、复杂性、难度和多样性标准。人工评估显示 76% 的有效性，自动评估表明最强前沿模型准确率仅 20%。相比手动构建的基准，DRBENCHER 实现了最高的语义多样性，揭示了系统在演化数据上推理的局限性。