LiveSearch：把问题写成可执行验证代码的金融搜索智能体实时基准

LiveSearch 是一个把每道题存为可执行验证代码的金融搜索实时基准，题目冻结、标准答案在评测时通过调用专业金融数据服务现场执行得出，并由每日任务自动重跑。在通用网页搜索下，六个当代工具调用模型取得 70.9% 至 76.7% 的答案准确率；连续三天内 70% 的在服问题标准答案发生变化，即使采用容差匹配，直接复用早前快照在一天内也会在多数问题上失败。