Ein neuer Benchmark namens DiscoBench enthüllt eine kontraintuitive Erkenntnis: KI-Suchagenten verschlechtern ihre Performance, wenn sie bei mehrdeutigen Anfragen mehrfach suchen, statt gezielt nachzufragen. Modelle mit dieser „blind search"-Strategie erreichen nur 51,9 Prozent Genauigkeit, während zufälliges Raten 52 Prozent liefert. Das beste Modell kommt insgesamt nur auf 43 Prozent. Die Lösung ist simpel: Wenn die Mehrdeutigkeit aus den Fragen entfernt wird, verbessert sich die Genauigkeit um bis zu 40 Prozentpunkte. Das Benchmark adressiert ein fundamentales Problem bei der Entwicklung von Agenten – die Notwendigkeit, flexibel zwischen Recherche und Interaktion zu wechseln statt stur eine vorgegebene Strategie zu fahren.
