في عالم البحث على الإنترنت، يعد البحث العميق أداة حساسة تحتاج إلى دقة كبيرة في صياغة الاستعلامات. تمثل الاستعلامات غامضة أو غير محددة مشكلة حقيقية، حيث يمكن أن تؤدي إلى تباين في النتائج وافتقار إلى الإجابات المكتملة. لذلك، يسعى الباحثون دائماً إلى تحسين آليات البحث لتحقيق نتائج أفضل.

أحد الابتكارات المهمة في هذا السياق هو Benchmark 'Clarify-Then-Search'، الذي تم تطويره لتقييم فعالية أسئلة التوضيح (Clarification Questions) المولّدة عن نماذج اللغات الضخمة (Large Language Models) وكيف يمكن أن تؤثر على نتائج البحث العميق. يعتمد هذا المعيار على بيانات استعلام مختلفة تم جمعها من محرك البحث Baidu، ويحتوي على 518 حالة تم تنسيقها بعناية، حيث يتم تقديم استعلامات تحمل نوايا محددة مقابل استعلامات أخرى أقل وضوحًا.

أثناء التقييم، يُطرح على المستخدم مجموعة من الأسئلة التوضيحية، ويتم تنفيذ استعلام معاد صياغته بناءً على الإجابات المستخرجة. تشير النتائج إلى أن استخدام أسئلة التوضيح يعزز جودة البحث، حتى في الحالات التي يكون فيها الاستعلام الأصلي غير دقيق، خصوصاً عندما يتم استخدام ميزانيات أكبر للحصول على مزيد من الأسئلة.

أظهر نموذج GPT-5.2 أعلى متوسط للنتائج، بينما حقق نموذج ERNIE-4.5-Turbo-128K الأداء الأفضل في التحليل العام عند استخدام ثلاثة أسئلة. ورغم ذلك، تبين أن بعض النظام يتعرض لخلل متكرر يتمثل في طرح أسئلة تتعلق بالمناطق ولا يمكن الإجابة عليها، مما يؤدي إلى نتائج غير معروفة.

يسهم Benchmark 'Clarify-Then-Search' في تسهيل التقييم القابل للتكرار والتسرب من تسريبات أسئلة التوضيح، مما يسمح بإجراء تحليلات دقيقة حول فعالية الأسئلة وقابلية الإجابة وأثر الميزانية في سياق البحث العميق.