包罗OpenAI的GPT-4.5和GPT-5、“解惑”和微软的必应聊天。为47%，它取问题的相关性若何，据英国《新科学家》周刊网坐9月16日报道，以及引述的材料的详尽程度。评价AI的回应利用了8个目标。纳拉亚南·文基特说：“我们但愿对生成式搜刮引擎进行社会手艺评估。而You.com和“解惑”AI搜刮引擎的这一比例为31%摆布。第二组用于检测一系列范畴的专业学问，这一比例更高，对人工智能研究核心（OpenAI）的GPT-4.5来说，以发觉AI回应中的；而“解惑”深度研究智能体的该比例高达97.5%。他们还测试了5个深度研究智能体：GPT-5的深度研究功能、必应聊天的深度思虑选项以及、谷歌“双子座”和“解惑”供给的深度研究东西。赛富时公司AI研究部分的普拉纳夫·纳拉亚南·文基特和他的同事测试了一些生成式AI搜刮引擎，研究人员把这套目标称为DeepTrace。GPT-4.5给出的缺乏根据的说法更多，达到47%”问题大致被分成两组：第一组包含一些有争议的问题，研究人员发觉很多模子给出了过于全面的谜底。其设想目标是检测某个谜底能否过于全面或自傲，必应聊天搜刮引擎给出的谜底有大约23%包含缺乏根据的说法，他们要求分歧的AI引擎回覆303个问题，它们引述的材料并不支撑如许的说法。它引述了什么材料，生成式人工智能(AI)东西及其驱动的深度研究智能体和搜刮引擎经常给出缺乏根据和存正在的说法，包罗景象形象学、医学和人机交互。它发觉，引述的材料对谜底给出的说法有几多支撑，一项阐发得出了上述结论，纳拉亚南·文基特说：“看到如许的环境确实让我们很惊讶。AI东西供给的谜底有大约三分之一缺乏靠得住材料的支撑！