MiroEval: 프로세스와 결과를 모두 평가하는 멀티모달 딥 리서치 에이전트 벤치마크

기존 리서치 에이전트 평가는 최종 보고서의 품질에만 치중하여 실제 연구 과정의 논리성을 확인하기 어려운 한계가 있었다. MiroEval은 100개의 실제 사용자 요구 기반 태스크를 통해 에이전트의 적응형 합성 품질, 사실성 검증, 그리고 프로세스 중심의 감사를 수행한다. 13개 시스템을 대상으로 한 실험 결과, 프로세스 품질이 최종 성과를 예측하는 핵심 지표임이 확인됐으며 멀티모달 태스크에서 성능 저하가 뚜렷하게 나타났다. MiroThinker-H1 모델이 텍스트와 멀티모달 설정 모두에서 가장 우수한 성능을 기록하며 차세대 리서치 에이전트의 기준이 됐다.