Meituan LongCat ने LoHoSearch जारी किया: सर्च एजेंट के लिए अधिक कठिन बेंचमार्क
मूल शीर्षक:BrowseComp went from 30% → 90% in 10 months. Search-agent benchmarks are saturating. So we built Lo...
AI सारांश
Meituan LongCat ने LoHoSearch पेश किया है, जो 76.2 लाख इकाइयों वाले विकिपीडिया ज्ञान ग्राफ पर आधारित स्वचालित रूप से प्रश्न उत्पन्न करने वाला सर्च एजेंट बेंचमार्क है, जिसका उद्देश्य BrowseComp जैसे मौजूदा बेंचमार्क के संतृप्त होने की समस्या का समाधान करना है। 11 अग्रणी मॉडलों के परीक्षण में सर्वोच्च स्कोर केवल 34.74% रहा, जो BrowseComp पर मौजूदा मॉडलों के लगभग 90% स्कोर से बहुत कम है; संदर्भ रणनीति से केवल +6.8 प्रतिशत अंक की वृद्धि हुई। इस बेंचमार्क में 544 प्रश्न और 11 क्षेत्र शामिल हैं, यह ट्री और ग्राफ संरचना का उपयोग करता है और ओपन-सोर्स है।
मुख्य जानकारी
- Meituan LongCat ने LoHoSearch पेश किया है,जो 76.
- 2 लाख इकाइयों वाले विकिपीडिया ज्ञान ग्राफ पर आधारित स्वचालित रूप से प्रश्न उत्पन्न करने वाला सर्च…
- 74% रहा,जो BrowseComp पर मौजूदा मॉडलों के लगभग 90% स्कोर से बहुत कम है
- संदर्भ रणनीति से केवल +6.
- 8 प्रतिशत अंक की वृद्धि हुई। इस बेंचमार्क में 544 प्रश्न और 11 क्षेत्र शामिल हैं,यह ट्री और ग्राफ…
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- श्रेणी
- पेपर और शोध
- AI स्कोर
- 75
BrowseComp 快被刷到顶了,LongCat 甩出 LoHoSearch,前沿模型集体回落到三成出头——搜索 agent 的真正挑战才刚开始,这个基准可能是下一个必测项。
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: Meituan LongCat ने LoHoSearch जारी किया: सर्च एजेंट के लिए अधिक कठिन बेंचमार्क। 17 जुलाई 2026। https://new.nat6.net/hi/news/cmrp0qw3s090ybitorwj6diwi/