DiscoBench prüft mehrstufige Suchaufgaben aus elf Domänen. Entscheidend ist, ob ein Agent eine unklare Anfrage erkennt und eine gezielte Rückfrage stellt, bevor er sich auf eine Interpretation festlegt.
SearchThenAsk erzielte im Paper 93,4 Prozent, SearchHeavyGuess dagegen 51,9 Prozent. Die zweite Strategie sucht weiter und rät dann; selbst DirectGuess ohne Suche kam mit 56,5 Prozent besser durch den Datensatz.
Die Prozentwerte stammen aus dem vollständigen Paper zu arXiv 2606.27669, der Aufbau und der Kernbefund aus dem Abstract. Eine unabhängige Reproduktion der Studie liegt noch nicht vor.