AI 代理

深度分析

MERRIN 基準測試：噪聲網路環境下的多模態證據檢索與推理分析

隨著搜尋查詢日益多步且結果多模態且雜訊，研究者推出 MERRIN 基準測試，使用自然語言查詢、加入影片與音訊等未充分探討的模態，要求在噪聲網路中檢索並推理。測試十種模型在三種搜尋設定下，平均正確率 22.3%，最高 40.1%。結果顯示目前代理人在多模態資訊選擇與推理上仍有顯著挑戰。