Mind2Web 2 新基准，评估 Agentic Search。

宣布推出 Mind2Web 2：一个用于评估 Agentic Search 的新基准！它包含 130 个真实的、长周期任务，以及一种新颖的 Agent-as-a-Judge 框架，用于评估复杂、时变且需要引用的答案。