RecodeX 重构消息，研究人员Alham Fikri Aji发布名为HyperBrowseComp的搜索评测基准，包含423道问题，覆盖13种语言。该基准用于测试AI智能体能否跨网页、视频、地图和文档等多种来源串联证据。结果显示，该基准中58%的多语言搜索问题尚未被解决。