OpenAI 开源 BrowseComp 基准测试

我们正在开源 BrowseComp（“浏览竞赛”），这是一个新的、具有挑战性的基准测试，旨在测试 AI 代理浏览互联网查找难以找到信息的能力。这就像一场在线寻宝游戏……但针对的是浏览代理。