（又从草稿箱翻出一篇本该四月写完的文章…我的草稿箱里究竟还藏着多少 TODO 啊…） 先问大家两个问题： 各家 AI 现在都做了 Deep Research，那么如何比较不同的深度研究之间的能力高低呢？***设一道题目客观上存在唯一正确答案，且相关信息线索绝对可以在互联网上搜到，在允许使用搜索引擎的情况下，你觉得自己能做出来吗？当下最先进的 AI Agent 呢？为了验证大模型、Agent 网上冲浪的能力，OpenAI 编了一套超难的试卷，里面有 …。
代码：
如何看待当今小学生的疯狂内卷?
北京日报点名批评“苏超”过度娱乐化，它是否管的太宽了？为什么无良媒体不会被查封取缔？
几年前吹得神乎其神的福建舰电磁弹射为什么现在销身匿迹了？
你发生过的最尴尬的事是什么？
你的亲戚提过什么过分的要求？
哪张照片让你觉得刘亦菲美得不可方物？
广东怀集遇历史最大洪水，约 30 万人受灾，积水最深处达 3 米，目前当地情况如何？
Firefox是如何一步一步衰落的？
吴彦祖疯狂接代言被猜缺钱，卖完英语课又代言黄酒，他是真的缺钱还是有其他考量？
055一打一能不能打过阿利伯克？
你怎么看待剪映收费过高问题？
颈椎病可以恢复吗？
duckdb的性能如何？
胸大的女孩会自卑 吗？
为什么 macOS 并不差，可市场总敌不过 Windows？
江苏一医院称负债 4400 多万全员解聘，具体是怎么回事？医院这么做合法吗？
独立开发***能盈利吗？感觉好累...
如何评价《睡前消息》第914期《最小地级市鄂州，可以降级了》？
异性同办公室久了会不会日久生情？
小米汽车官方解释了刹车盘生锈属于正常现象，并提供了两种除锈功能，这些措施是否足够有效？
颈椎生理曲度变直如何恢复？
为什么国人普遍不接受月付的订阅制而喜欢一口价买断制呢？
如何评价高圆圆的身材算是美女类型的吗？
如何看待jemalloc停止维护？
为什么苹果的定制硬盘颗粒是银色封装，而无论是nvme ssd，笔记本板载还是手机硬盘都是黑色封装?
大家猜猜伊朗的结局如何？
特厨隋坡探店成都快餐店，给出80分以上的高分，为什么评分远高于大饭店？
我听说Windows12微软就直接重头构建Windows了，就直接重构Win内核了，到底是不是真的?
张伟丽可以打败什么级别的普通男性？
