Folia
← 返回头版

NEEDLE:搜索引擎无法记忆的实时基准测试

Ilya Gusev、Matthias Petri 和 Andrey Styskin 发布了 NEEDLE,这是一个面向 AI Agent 的实时开源搜索引擎质量基准测试 1。NEEDLE 代表新闻、日常、专家、长尾和法律评估(News, Everyday, Expert, Deep-tail, and Legal Evaluation) 1。该基准旨在解决现有静态基准易被过拟合和数据泄露的问题 1。通过持续更新的查询,NEEDLE 评估了搜索引擎在新闻、金融、学术、长尾实体和法律等场景下的表现 1。

该基准的查询部分来自真实 Agent 搜索日志,部分为生成数据 1。SIGIR'26 研究分析了 1400 万次 Agent 搜索请求,显示 Agent 的拼写错误率约为人类的三分之一 1。该基准还对比了 Keenable 与 Google、Bing、Brave 及 Tavily 等 AI 搜索初创公司的表现 1。Keenable 的 p50 延迟为 200ms,目标 p95 延迟为 200ms 1。Keenable 六个月前建立首个索引,四个月前上线新闻覆盖,三个月前上线查询语法,两个月前上线摘要功能 1。


评论