导读：Google DeepMind推出DeepSearchQA，这是一个覆盖17个领域、包含900道高难度问题的新基准，专门用来评估AI在多步骤、真实网络环境下的信息搜索与整合能力。

谷歌深度思维在 Hugging Face 上低调上线了DeepSearchQA项目。乍一看它只是一个问答数据集，但真正目标是：测试AI到底能不能完成真正“像人一样”的深度网络检索任务。

DeepSearchQA一共包含900个精心设计的问题，横跨17个不同领域。这些问题需要连续多步搜索、不断补全线索，最终才能整理出完整答案。官方把这种结构称为“因果链式任务”：前一步没找对，后面的搜索就走不下去。

与常见的事实问答基准不同，DeepSearchQA并不追求单一标准答案。相反，约65%的题目要求给出“完整答案集合”，比如列出所有符合条件的对象，而不是只答一个名字。这种设计，直接把重点放在了搜索规划能力、上下文保持能力，以及信息覆盖是否全面上。

在数据结构上，每一道题目都包含清晰的领域分类、标准答案和答案类型说明。但需要注意的是，答案类型信息在实际评测时不会提供给被测试系统，以避免“投机取巧”。所有问题都基于公开网络内容，可客观核验，确保评测结果有据可查。

当然，官方也明确指出了这个基准的边界。DeepSearchQA采用的是“只看结果、不看过程”的评测方式，无法区分“真正推理正确”还是“误打误撞凑对答案”。同时，为了保证可复现性，数据集假设网络内容是相对静态的，这也意味着它不适合评测突发新闻或强时效性信息。如果网页内容发生变化，答案也可能需要人工更新，这是所有依赖真实网络的基准都会遇到的问题。

项目地址：https://huggingface.co/datasets/google/deepsearchqa#deepsearchqa