ウェブ検索

AIによるディープリサーチ（高度なウェブ検索と推論）の最新性能を検証した、北京大学による2026年5月の最新研究を解説する内容である。従来のベンチマークを遥かに凌駕する難度のテストにおいて、各種LLMエージェントがどのような成果を上げ、どこで失敗するのかを詳細に分析している。調査の結果、AIモデルの主なボトルネックは情報の検索（リトリーバル）や単純な推論そのものではなく、複数ソースから得た情報の「多段階の統合（派生）」や「情報の不一致の解消（キャリブレーション）」にあることが判明した。各モデルのスコアや失敗パターンの違いについて統計的な視点から紐解いていく。