AI agents無法研究；它們只確認已知資訊
一項新研究發現kimi-k2.6等頂尖模型依賴記憶而非工具，在被迫研究全新資訊時失敗。這暴露了目前agent基準的致命缺陷，混淆了知識檢索與研究能力。
一項針對十一種前沿模型的 研究揭示，瀏覽_COMP（browsecomp）基準測試中高性能源於「內在知識依賴」，即模型利用網絡確認預先存在的答案而非進行研究。當剝奪支持答案的文件時，每個模型的表現都比沒有搜索工具時更差，而 MiniMax M2.5 的準確率更是從 44.5% 下降至 8.0%。為了測試真正的代理能力，研究人員構建了 LiveBrowseComp，其中包含關於近期事件的問題；在這個測試中，模型在沒有工具的情況下完全失敗，有工具的情況下得分大幅下降，重新洗牌了排行榜，並揭示當前基準測試衡量的是知識保留而非研究能力。