KNOWS 基准发布：联合评测 Agent 搜索、工具与视觉理解三能力

研究团队在 COLM 2026 发布 KNOWS 基准，对 Agent 的实时网络搜索、常用网络生产力工具使用与视觉/空间理解三项能力做联合评测。该基准的评测方式尽量程序化，必要时结合 LLM judge；作者 anmarasovic 称这是她参与过最有野心的 benchmark。