BrowseComp-ZH 是 OpenAI 提出的 BrowseComp 基准的中文版本，专门用于评估 AI 智能体在中文互联网上进行深度浏览与信息检索的能力。它由一系列需要多轮搜索、交叉验证才能找到答案的难题构成，被广泛视为衡量搜索型 Agent 和深度研究（Deep Research）系统能力的权威标尺之一。
BrowseComp-ZH 近期进展
当前焦点与观察点
从近期研究看，BrowseComp-ZH 相关工作的焦点正在从"单智能体+更强模型"转向系统层面的优化：多智能体协作（如 SearchSwarm）和过程级奖励设计（如 ABSeeker）代表了两条主要路线。前者通过任务拆解降低单次搜索难度，后者通过更细粒度的信用分配改善训练效率。
另一个值得关注的趋势是中文深度检索基础设施的成熟。随着豆包搜索等实时搜索服务的上线，Agent 在真实中文网页环境中的可获取信息质量在提升，这也意味着纯靠静态基准评测的结果与实际表现之间可能出现偏差。
对从业者和观察者而言，后续可以重点跟踪三点：一是多智能体方案在更大规模模型上的可扩展性；二是信用分配类训练方法能否稳定迁移到开放式真实搜索场景；三是中文深度检索基准是否会进一步细分，例如按领域或任务类型拆分子集，以更精细地区分系统能力差异。