LiveBrowseComp：搜索代理是在真正搜索，还是仅在验证已知内容？

本文探究基于大模型的搜索代理是真正利用网络搜索，还是仅用其验证预存知识。分析发现“内在知识依赖性”：代理常依赖模型编码的内在信息而非外部证据，甚至在移除证据支持时表现更差。这表明静态基准可能奖励基于记忆的验证而非证据驱动的发现。为此，作者提出 LiveBrowseComp，一个包含 335 个基于近期事实的深度搜索基准。实验显示，在该基准上所有代理的闭卷准确率低于 2%，且原有模型排名失效，有效区分了已知知识与检索能力。