VibeSearchBench

VibeSearchBench 是一个面向真实场景的长周期、多轮次、模糊意图搜索能力评测基准。它包含200个任务，覆盖专业研究与日常生活两大类场景，每个任务基于用户画像驱动的渐进式需求披露机制，要求模型在多轮交互中主动搜索、浏览页面并执行代码，最终生成可验证的知识图谱；评估采用无模式知识图谱匹配与LLM辅助的三元组F1分数，强调语义等价性而非字符串匹配。适用于评估智能体（Agent）在开放域复杂搜索任务中的推理、规划与信息整合能力，尤其适合对话式搜索系统、AI助手及自主代理的研究与开发。