DETOUR：面向双智能体搜索与推理的交互式基准

人类在对话中回忆信息时常需多轮交互才能完成“话到嘴边”的检索过程，而现有智能体评估基准多局限于单轮设定。为更真实地模拟此类记忆检索场景，本文提出基于模糊与欠指定检索的双智能体评估基准DETOUR（Dual-agent based Evaluation Through Obscure Under-specified Retrieval），包含1,011个提示。该基准设有一个被评估的主智能体（Primary Agent）和一个在所有评估中保持一致的记忆智能体（Memory Agent），主智能体需通过查询后者来识别目标实体。实验表明，当前最先进的模型在涵盖文本、图像、音频和视频的多模态任务上仅达到36%的准确率，凸显了提升智能体在欠指定情境下记忆与推理能力的重要性。