LifeSearch: un benchmark per gli agenti di ricerca approfondita nella vita reale e nelle attività professionali

Abstract degli autori

Gli agenti di ricerca approfondita (DR) rispondono a esigenze informative aperte attraverso ragionamenti in più passaggi, ricerche sul web di lungo respiro e sintesi delle evidenze. I benchmark esistenti, però, si concentrano soprattutto sulla ricerca accademica o su compiti sintetici, lasciando insufficientemente valutate le capacità di questi agenti in situazioni della vita reale e nell’attività professionale. Per colmare questa lacuna, presentiamo LifeSearch, un benchmark impegnativo composto da 203 compiti in cinese e in inglese, sviluppati a partire da richieste di utenti reali in 7 ambiti concreti della vita quotidiana e della produttività. Con oltre 4.500 ore di annotazione umana, abbiamo costruito più di 4.000 griglie di valutazione dettagliate, redatte da esperti, che comprendono sia criteri relativi ai contenuti dei rapporti, per valutarne completezza e accuratezza, sia criteri concreti che specificano valori, unità di misura, date e URL. Abbiamo condotto ampi esperimenti su 12 agenti DR avanzati usando un sistema di valutazione uniforme, analizzandone sistematicamente le prestazioni e le modalità di errore. Abbiamo riscontrato che persino l’agente di frontiera con le prestazioni migliori, GPT-5.6 Sol, ottiene un punteggio di appena il 63,4%, lasciando un ampio margine di miglioramento nei compiti realistici di ricerca approfondita legati alla vita quotidiana e all’attività professionale. Abbiamo scelto la configurazione di valutazione confrontando i modelli linguistici candidati a svolgere il ruolo di valutatori con le etichette assegnate dagli esseri umani alle griglie; uno studio sulle classifiche stilate da persone mostra una forte concordanza tra i punteggi complessivi del benchmark e i giudizi umani (Spearman $ρ= 0.89$, Kendall $τ= 0.81$). LifeSearch offre un quadro rigoroso di valutazione e una base per far progredire gli agenti DR verso applicazioni nella vita reale e nelle attività professionali.