K-BrowseComp

요약

AI 에이전트의 한국어 웹사이트 탐색 능력을 평가하기 위한 새로운 벤치마크인 K-BrowseComp를 소개합니다. GPT-5.5와 같은 최신 모델들도 복잡한 질문과 합성 진단 작업에서 낮은 성능을 보이며 한계를 드러냈습니다.

핵심 포인트

• 한국어 웹 탐색 능력을 측정하는 새로운 벤치마크 공개
• 프론티어 모델의 한국어 웹 탐색 성능 한계 확인
• 합성 진단 분할 작업에서 매우 낮은 성능 기록
• 데이터셋 및 코드는 Hugging Face와 GitHub에 공개