**Exa 发布 ATLAS 基准：评估智能体在搜索密集型任务中的表现**

_ATLAS: Evaluating Agents on Search-Intensive Tasks_

> Exa 推出新基准 ATLAS，旨在评估 AI 智能体在依赖网络搜索的真实工作流中的准确性与完整性。该基准通过自动化管道更新查询与答案，以应对模型和网络的演变。测试显示，低成本搜索智能体表现不佳，且即使高成本方案仍有约 1/3 的结果缺失，表明搜索完整性仍是主要瓶颈。ATLAS 旨在解决现有基准易被记忆、饱和及评分成本高的问题，为搜索后端提供更具现实意义的评估标准。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-10-09 01:26（北京时间）
- **原文**：[打开原文](https://exa.ai/blog/atlas-benchmark)