LiveSearch：可执行验证代码的实时金融搜索基准

2026年10月28日，arXiv 人工智能板块报道，Sinuo Wang 等提出 LiveSearch 实时金融搜索基准。该基准把每道题存为可执行验证代码，即一段对专业金融数据服务的类型化调用程序，再接一个声明式提取器；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。报道称，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。目前进展限于该基准的设计与上述评测结果，报道未提及后续更新。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。