美团开源LoHoSearch：基于知识图谱的下一代搜索智能体评测基准

AI 摘要

美团LongCat团队开源了搜索智能体评测基准LoHoSearch，基于覆盖762万维基百科实体的知识图谱自动生成题目，通过控制搜索空间和结构复杂度来提升难度。评测显示，最强模型GPT-5.5准确率仅34.74%，远低于在BrowseComp上的表现，且现有上下文管理策略提升有限。该基准旨在提供更具区分度的评测标准，并推动下一代上下文管理技术研究。

正文节选

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 过去一年，我们见证了 Search Agent 能力的显著演进。在 BrowseComp 等评测上，顶尖模型准确率从最初的30%区间迅速攀升至90%以上。然而，当基准迅速饱和，其区分模型能力的价值也随之递减。 BrowseComp 的题目由人工设计，局限在于只能基于标注者已知的实体和关系构思，无法站在全局知识网络视角判断：哪些条件真的难检索？哪些约束的候选空间足够大？正是这种局限，让我们开始思考另一种可能性：能不能让机器自己来出题？ 美团 LongCat 团队在最新论文中提出的 LoHoSearch 基准，就是把这种可能性变成了现实。 - 知识图谱自动化构造。 以覆盖762万维基百科实体的知识图谱为基础自动生成题目，替代人工出题。基准含544道经人工核验的题目，覆盖11个领域。 - 双维度难度控制。 在生成中系统控制搜索空间与结构复杂度。构建出难度显著高于现有基准的挑战性问题。 - 当前模型性能表现。 已评测模型中，GPT-5.5准确率为34.74%；现有上下文管理策略在LoHoSearch上提升幅度为

发布时间：—

抓取时间：2026-08-17 17:59

来源机构：Meituan