NEEDLE: el benchmark que tu buscador no puede memorizar

Needle: The benchmark your search engine can't memorize

Los benchmarks estáticos permiten el sobreajuste: los modelos pueden memorizar respuestas o filtrarlas desde HuggingFace durante la evaluación. NEEDLE es un benchmark vivo para búsqueda web agéntica, con consultas frescas de noticias, finanzas, literatura, entidades raras y legal, que se renuevan cada hora o cada día. Al comparar Keenable con otros buscadores, revela que los índices independientes superan a los que dependen de terceros, y que los buscadores tradicionales, optimizados para humanos, fallan con los agentes. El benchmark muestra quién mejora más rápido, no solo quién es el mejor hoy.