为什么重要
Google DeepMind 发布的搜索 Agent 评测。与 BrowseComp 互补：BrowseComp 侧重”找到冷门信息的持久搜索”，DeepSearchQA 侧重”多步推理链条的正确性”。
构建方式
- 2972 个需要多步搜索才能回答的问题
- 每个问题需要分解为多个子问题
- 自动生成 + 专家验证
任务示例
示例：“A 公司在 2023 年收购了 B 公司，B 公司的 CEO 在收购前就职于哪家公司？“（需要：搜索收购信息 → 找到 B 的 CEO → 搜索其履历）
关键发现
- Gemini Deep Research 约 65%
- 多步搜索中，每增加一步推理，准确率下降约 10%
- 子问题分解的质量直接决定最终准确率
关联基准
- BrowseComp：持久搜索
- FRAMES：多跳事实推理
- GAIA：通用多步任务
不足与展望
- 主要测事实类问题，不测开放性研究
- 依赖网络搜索——离线场景无法评测