美团LongCat推出LoHoSearch，一个基于762万实体维基百科知识图谱自动生成问题的搜索智能体基准，旨在解决BrowseComp等现有基准趋于饱和的问题。
在11个前沿模型测试中，最佳得分仅34.74%，远低于当前模型在BrowseComp上约90%的成绩；
上下文策略仅带来+6.8个百分点的提升。
该基准包含544道问题、11个领域，采用树与图结构，已开源。
Notícias IA / 论文研究
Back to AI news
Meituan LongCat lança LoHoSearch: um benchmark de agente mais difícil de buscar
A Meituan LongCat lançou o LoHoSearch, um benchmark de agentes de busca baseado em 7,62 milhões de grafos físicos de conhecimento da Wikipédia que geram au...
Resumo diário de inteligência em IA
A Meituan LongCat lançou o LoHoSearch, um benchmark de agentes de busca baseado em 7,62 milhões de
grafos físicos de conhecimento da Wikipédia que geram automaticamente problemas, visando lidar com a saturação de benchmarks existentes como o BrowseComp. Entre os 11 testes do modelo Frontier, a melhor pontuação foi de apenas 34,74%, muito abaixo da pontuação de cerca de 90% do modelo atual no BrowseComp; A estratégia contextual trouxe apenas uma melhora de +6,8 pontos percentuais. Este benchmark contém 544 perguntas e 11 domínios, utiliza estrutura de árvore e grafo, e é de código aberto.
动态正文 · AI 整理
情报判断
Aioga 编辑摘要
美团LongCat发布搜索智能体基准LoHoSearch。该基准基于含762万实体的维基百科知识图谱自动生成问题，共收录544道题，覆盖11个领域，并采用树与图结构，目前已开源。
背景分析
发布方称，LoHoSearch旨在应对BrowseComp等现有基准趋于饱和的问题。材料显示，当前模型在BrowseComp上的成绩约为90%，因此需要更具挑战性的搜索智能体评测。
Aioga 观点
Aioga判断，LoHoSearch的主要价值在于提供一组更难的搜索任务，并通过知识图谱及树、图结构组织问题。其能否成为通用评测标准，仍需更多公开测试与使用反馈验证。
影响与后续
在对11个前沿模型的测试中，最佳得分仅为34.74%；材料同时称，上下文策略只带来6.8个百分点提升。值得关注的是，该结果显示参测模型在这套题目上仍有较大提升空间。 后续可重点关注开源基准的题目生成与评测设置、不同模型在544道题和11个领域中的表现，以及更多测试能否复现最佳得分和上下文策略提升幅度。
Source and Copyright
当前抓取源提供的是标题、摘要、来源和原文入口，不直接搬运完整原文。完整报道请通过下方原文链接前往来源站点查看。
抓取通道: 摘要聚合 · 原始域名: x.com
Fonte: X：美团 LongCat (@Meituan_LongCat)
原文链接: Abrir fonte original
Aioga 归档: 查看情报页
Content record: social-summary · Updated: 2026-07-17T14:08:29.000Z
API RELAY · DEVELOPER INFRASTRUCTURE
API 中转站
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this article