ArXiv公布DeepWeb-Bench基准，提升大模型复杂推理评测标准

DeepWeb-Bench是ArXiv上发布的一个深度研究评测基准，强调跨源证据收集及长程推理能力测评，这一基准为先进大语言模型的能力比较提供更严格的框架，有助于推动前沿模型的研究和评估。