Perplexity發表WANDR基準測試評估AI代理

隨著人工智慧從問答工具演進為能自主執行複雜任務的「AI代理」，業界對評估其搜尋與分析能力的基準測試需求日益迫切。傳統評測多聚焦於單一事實檢索，難以衡量代理在面對龐雜資訊時，能否兼顧搜尋廣度與資料深度的真實研究能力。因此，建立一套能驗證其能否建立有證據支持之大型資料集的評估系統，成為當前關鍵。

AI搜尋引擎公司Perplexity於2026年7月14日推出名為「WANDR」的開源基準測試。該測試專為評估AI研究代理在廣度與深度資料搜集時的表現而設計，包含500個具挑戰性的知識工作任務，以及約170,495筆證據紀錄。系統採用動態評估機制，重新獲取引用網址以驗證代理產出資料庫的真實性。