你是否也曾榨干过DeepSeek？

主要观点总结

本文探讨了AI在处理复杂信息检索任务时的表现，特别是大模型在处理需要深度检索和复杂信息处理的问题时所面临的挑战。文章通过作者对DeepSeek的深度体验，以及OpenAI发布的BrowseComp测试，对AI模型在定位难以找到、纠缠不清的信息方面的能力进行了讨论。

关键观点总结

关键观点1: AI大模型在广泛应用中的表现

AI大模型通常能够快速生成回答，但在面对需要深度检索和复杂信息处理的问题时，可能会陷入长时间的思考。

关键观点2: DeepSeek在处理复杂信息检索任务时的表现

DeepSeek在某些问题上需要长时间的思考，甚至超过5分钟，这些问题看似简单，但答案却隐藏在大量的信息中。

关键观点3: BrowseComp测试的目标和特点

BrowseComp测试旨在评估AI模型浏览网页和搜索信息的能力，特别是定位难以找到、纠缠不清的信息。该测试强调验证的不对称性，即验证答案容易，但找到答案却很难。

关键观点4: 现有大模型在BrowseComp测试中的表现

现有大模型在BrowseComp测试中的正确率普遍不高，但都在不断进步和提升。联网功能对提高模型的正确率有很大帮助。

关键观点5: 作者的小心得

无论现有大模型在浏览方面的表现如何，它们都在不断进步和提升；在遇到需要查很多资料的任务时，可以先让大模型尝试，并结合自己的思考和查找资料，多次给出提示词，多次尝试，以获取更好的结果。

文章预览

在AI大模型的广泛应用中，我们常常惊叹于其快速生成回答的能力。然而，当面对一些需要深度检索和复杂信息处理的问题时，即使是强大的AI模型也可能陷入长时间的“思考”。 本文通过作者对DeepSeek的深度体验，探讨了AI在处理复杂信息检索任务时的表现，特别是OpenAI发布的BrowseComp测试中，模型在面对简单答案却隐藏在复杂信息中的问题时的挑战。 ———— / BEGIN / ———— 在今年深度体验AI大模型的3个月里，我发现无论他回答的对不对，大多数时候，他基本都能在1分钟内能生成回答（很多时候是秒答），无论回答质量如何，是否有幻觉，他都能很快给你答完就是了。 但是，有这么一类问题，他的答案普遍简短，有的短到只有一个单词，长的也不超过10个单词，却常常让DeepSeek深度思考五分钟以上，过程中动不动还爆出数千字以上的思维链。 ………………………………