Статьи и исследования

Meituan LongCat выпускает LoHoSearch: более сложный бенчмарк для поисковых агентов

Оригинальный заголовок:BrowseComp went from 30% → 90% in 10 months. Search-agent benchmarks are saturating. So we built Lo...

ИИ-резюме

Meituan LongCat представила LoHoSearch — бенчмарк для поисковых агентов, вопросы для которого автоматически генерируются на основе графа знаний Википедии из 7,62 млн сущностей. Он призван решить проблему насыщения существующих бенчмарков, таких как BrowseComp. В тестировании 11 передовых моделей лучший результат составил лишь 34,74%, что значительно ниже примерно 90%, которые модели показывают на BrowseComp; контекстные стратегии дали прирост всего +6,8 процентного пункта. Бенчмарк включает 544 вопроса в 11 областях, использует древовидную и графовую структуры и открыт в исходном коде.

Ключевые моменты

  • Meituan LongCat представила LoHoSearch — бенчмарк для поисковых агентов,вопросы для которого…
  • Он призван решить проблему насыщения существующих бенчмарков,таких как BrowseComp.
  • В тестировании 11 передовых моделей лучший результат составил лишь 34,74%,что значительно ниже…
  • контекстные стратегии дали прирост всего +6,8 процентного пункта.
  • Бенчмарк включает 544 вопроса в 11 областях,использует древовидную и графовую структуры и открыт в…

Кратко

Опубликовано
Обновлено
Источник
X:美团 LongCat (@Meituan_LongCat)
Категория
Статьи и исследования
Оценка ИИ
75
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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。

Источник и авторские права

Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.

Оригинал статьи · Материал на AIHOT

Как цитировать

При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.

Orange News: Meituan LongCat выпускает LoHoSearch: более сложный бенчмарк для поисковых агентов. 17 июля 2026. https://new.nat6.net/ru/news/cmrp0qw3s090ybitorwj6diwi/

Смотреть все →