VibeSearchBench: Benchmarking Long-horizon Proactive Search in the Wild

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Inc, Xiaohongshu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

WildBench: Benchmarking LLMs with Challenging Tasks from Real Users in the Wild
von: Lin, Bill Yuchen, et al.
Veröffentlicht: (2024)

SecureVibeBench: Benchmarking Secure Vibe Coding of AI Agents via Reconstructing Vulnerability-Introducing Scenarios
von: Chen, Junkai, et al.
Veröffentlicht: (2025)

CO-Bench: Benchmarking Language Model Agents in Algorithm Search for Combinatorial Optimization
von: Sun, Weiwei, et al.
Veröffentlicht: (2025)

LongGenBench: Long-context Generation Benchmark
von: Liu, Xiang, et al.
Veröffentlicht: (2024)

In Search of the Long-Tail: Systematic Generation of Long-Tail Inferential Knowledge via Logical Rule Guided Search
von: Li, Huihan, et al.
Veröffentlicht: (2023)

From Reactive to Proactive: Assessing the Proactivity of Voice Agents via ProVoice-Bench
von: Xu, Ke, et al.
Veröffentlicht: (2026)

AnaloBench: Benchmarking the Identification of Abstract and Long-context Analogies
von: Ye, Xiao, et al.
Veröffentlicht: (2024)

CocoaBench: Evaluating Unified Digital Agents in the Wild
von: CocoaBench Team, et al.
Veröffentlicht: (2026)

ESG-Bench: Benchmarking Long-Context ESG Reports for Hallucination Mitigation
von: Sun, Siqi, et al.
Veröffentlicht: (2026)

PrefDisco: Benchmarking Proactive Personalized Reasoning
von: Li, Shuyue Stella, et al.
Veröffentlicht: (2025)

Benchmarking Deep Search over Heterogeneous Enterprise Data
von: Choubey, Prafulla Kumar, et al.
Veröffentlicht: (2025)

LongBench Pro: A More Realistic and Comprehensive Bilingual Long-Context Evaluation Benchmark
von: Chen, Ziyang, et al.
Veröffentlicht: (2026)

$\texttt{YC-Bench}$: Benchmarking AI Agents for Long-Term Planning and Consistent Execution
von: He, Muyu, et al.
Veröffentlicht: (2026)

StoryBench: A Dynamic Benchmark for Evaluating Long-Term Memory with Multi Turns
von: Wan, Luanbo, et al.
Veröffentlicht: (2025)

VehicleMemBench: An Executable Benchmark for Multi-User Long-Term Memory in In-Vehicle Agents
von: Chen, Yuhao, et al.
Veröffentlicht: (2026)

Controlling Logical Collapse in LLMs via Algebraic Ontology Projection over F2
von: Miyashita, Hisashi, et al.
Veröffentlicht: (2026)

ColorBench: Benchmarking Mobile Agents with Graph-Structured Framework for Complex Long-Horizon Tasks
von: Song, Yuanyi, et al.
Veröffentlicht: (2025)

Mapping Overlaps in Benchmarks through Perplexity in the Wild
von: Wu, Siyang, et al.
Veröffentlicht: (2025)

KLong: Training LLM Agent for Extremely Long-horizon Tasks
von: Liu, Yue, et al.
Veröffentlicht: (2026)

ACON: Optimizing Context Compression for Long-horizon LLM Agents
von: Kang, Minki, et al.
Veröffentlicht: (2025)

Mis-prompt: Benchmarking Large Language Models for Proactive Error Handling
von: Zeng, Jiayi, et al.
Veröffentlicht: (2025)

Long-term Task-oriented Agent: Proactive Long-term Intent Maintenance in Dynamic Environments
von: Shi, Qinglong, et al.
Veröffentlicht: (2026)

REDSearcher: A Scalable and Cost-Efficient Framework for Long-Horizon Search Agents
von: Chu, Zheng, et al.
Veröffentlicht: (2026)

ProAgent: Harnessing On-Demand Sensory Contexts for Proactive LLM Agent Systems in the Wild
von: Yang, Bufang, et al.
Veröffentlicht: (2025)

AgentSearchBench: A Benchmark for AI Agent Search in the Wild
von: Wu, Bin, et al.
Veröffentlicht: (2026)

MemoryRewardBench: Benchmarking Reward Models for Long-Term Memory Management in Large Language Models
von: Tang, Zecheng, et al.
Veröffentlicht: (2026)

Towards Long-horizon Agentic Multimodal Search
von: Du, Yifan, et al.
Veröffentlicht: (2026)

100-LongBench: Are de facto Long-Context Benchmarks Literally Evaluating Long-Context Ability?
von: Yang, Wang, et al.
Veröffentlicht: (2025)

Long-horizon Reasoning Agent for Olympiad-Level Mathematical Problem Solving
von: Gao, Songyang, et al.
Veröffentlicht: (2025)

JMMMU-Pro: Image-based Japanese Multi-discipline Multimodal Understanding Benchmark via Vibe Benchmark Construction
von: Miyai, Atsuyuki, et al.
Veröffentlicht: (2025)

Search Wisely: Mitigating Sub-optimal Agentic Searches By Reducing Uncertainty
von: Wu, Peilin, et al.
Veröffentlicht: (2025)

ReSearch: Learning to Reason with Search for LLMs via Reinforcement Learning
von: Chen, Mingyang, et al.
Veröffentlicht: (2025)

VibeCheck: Discover and Quantify Qualitative Differences in Large Language Models
von: Dunlap, Lisa, et al.
Veröffentlicht: (2024)

Vibe Code Bench: Evaluating AI Models on End-to-End Web Application Development
von: Tran, Hung, et al.
Veröffentlicht: (2026)

MileBench: Benchmarking MLLMs in Long Context
von: Song, Dingjie, et al.
Veröffentlicht: (2024)

Neural Attention Search
von: Deng, Difan, et al.
Veröffentlicht: (2025)

Search or Accelerate: Confidence-Switched Position Beam Search for Diffusion Language Models
von: Cao, Mingyu, et al.
Veröffentlicht: (2026)

Bridging the Gap: From Ad-hoc to Proactive Search in Conversations
von: Meng, Chuan, et al.
Veröffentlicht: (2025)

Beyond Ten Turns: Unlocking Long-Horizon Agentic Search with Large-Scale Asynchronous RL
von: Gao, Jiaxuan, et al.
Veröffentlicht: (2025)

Mem2ActBench: A Benchmark for Evaluating Long-Term Memory Utilization in Task-Oriented Autonomous Agents
von: Shen, Yiting, et al.
Veröffentlicht: (2026)