下一代搜索智能体评测基准！美团开源LoHoSearch，用知识图谱校准AI能力认知

摘要

美團 LongCat 團隊提出 LoHoSearch，利用知識圖譜自動構建高難度搜尋智慧體評測題庫，取代人工出題。該基準能更精準區分模型能力，並揭示現有上下文管理策略在長程搜尋中的侷限。

Meituan's LongCat team introduces LoHoSearch, an automated benchmark using knowledge graphs to challenge search agents with high-difficulty questions that expose limitations in current context management strategies.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 以 762 萬維基實體為基礎，自動化構建高難度搜尋題庫。
• 最強模型 GPT-5.5 準確率僅 34.74%，顯著高於現有基準。
• 揭示現有上下文管理策略收益收窄，推動下一代技術研究。

提到的工具與公司

• LoHoSearch
• GPT-5.5
• DeepSeek-V4-Pro
• Claude-Opus-4.6
• Kimi-K2.6
• DeepSeek-V4-Flash
• BrowseComp
• ReAct

適合誰看

搜尋智慧體開發者、機器學習研究人員及 AI 評估相關從業人員。

摘要依據

依據

文章全文

為什麼排在這裡

人氣

0.50

新鮮

0.74

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 美团正式发布 CatPaw：全场景 AI Agent，从个人提效到企业智能化文章 ・ 美团技术团队
• I talked to Google's former AI head about messy data文章 ・ Gradient Flow（Ben Lorica）
• Agentic Search: 搜尋技術不會消失，只是變成 Agent 工具文章 ・ ihower（張文鈿）
• Episode 68: A Builder’s Guide to Agentic Search & Retrieval with Doug Turnbull & John BerrymanPodcast ・ Vanishing Gradients ・ 1 小時 29 分
• 让AI离开温室，走向动态世界：MineExplorer揭示顶级多模态大模型被忽视的能力断层文章 ・ 美团技术团队
• #733.BM25 在智能体搜索中出人意料的有效性，简单工具为何重新变强Podcast ・ 跨国串门儿计划 ・ 18 分鐘