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
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.
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/