新MADQA基准揭示代理在文档问答中依赖暴力搜索弥补策略规划不足

策略导航还是随机搜索？

新的MADQA基准测试揭示，在文档问答中与人类准确率匹配的智能体依赖暴力搜索来弥补弱策略规划。在800个PDF上的2250个问题暴露了与Oracle性能间20%的差距。