DeepScholar-Bench：用实时 ArXiv 论文评测 AI 研究综述能力

UC Berkeley 团队发布 DeepScholar-Bench，一个面向生成式研究综述系统的动态基准与自动化评测框架，将在 COLM 2026 上介绍。它要求 AI 从实时网络检索、综合并引用已有工作，生成 related work 长文报告，查询与人类范文均取自最新高质量 ArXiv 论文，按知识综合、检索质量、可验证性三个维度打分。