**K-BrowseComp：基于韩语上下文的网络浏览智能体基准测试**

_K-BrowseComp: A Web Browsing Agent Benchmark Grounded in Korean Contexts_

> 该论文介绍了K-BrowseComp，一个专门针对韩语环境设计的网络浏览智能体基准测试。该基准包含400个问题，其中300个由韩语母语者手动构建和验证。测试显示，包括GPT-5.5、DeepSeek-V4-Pro和GLM-5.1在内的前沿大语言模型在该基准上的表现显著低于英文BrowseComp基准，仅为30%至45.67%。韩国本土通过国家基础AI模型计划开发的大语言模型表现更差，得分在0%至10.33%之间。此外，研究团队还构建了一个包含100个问题的合成子集，用于对抗性压力测试，最强模型得分仅为26%。该研究公开了数据和代码。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.02404)