研究团队推出AI Agent动态搜索基准BlindToChange
Start here
2026年11月2日，研究团队推出名为 BlindToChange 的评测基准，旨在评估 AI 智能体能否在需要时主动检索并发现影响回答的近期现实变化。测试结果显示，在未明确提及近期事件的情况下，系统性能差距高达 27.5 分，且即使在高 reasoning effort 下该差距依然存在。对其搜索轨迹的分析表明，超过半数的失败源于智能体未能主动搜索验证相关事实是否发生改变。该基准的事件数据取自 Wikidata，并支持定期刷新。
AI-generated from reports · Updated 4 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 自然语言处理BlindToChange：AI 智能体被明确提问时能查到现实变化，但会在需要时主动检索吗？
研究团队推出 BlindToChange 评测基准，用于评估 AI 智能体能否主动检索并发现影响回答的近期现实变化。测试显示，在未明确提及近期事件的情况下，系统性能差距高达 27.5 分，即使在高 reasoning effort 下依然存在。搜索轨迹分析表明，超半数失败源于智能体未主动搜索验证相关事实是否发生改变；该基准事件取自 Wikidata 并可定期刷新。
Story heat trend
Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.