HyperBrowseComp：面向网页浏览智能体的多语言多模态压力测试基准

HyperBrowseComp 是一个多语言多模态网页浏览基准，包含由母语者编写的 423 道人工校验题目，覆盖 13 种语言。每道题都要求定位冷门证据、追踪多步线索链，或检查视频、扫描文档、图像、地图等异构来源，且答案公开可验证。无联网模型评估被用于过滤掉过于简单的题目。