美团LongCat推LoHoSearch，前沿模型BrowseComp跌至三成
美团LongCat发布新基准LoHoSearch，544道树状与图结构问题覆盖11个领域。11个前沿模型最佳成绩仅34 74%，而同一批模型在BrowseComp上可达90%。上下文策略提升仅6 8个百分点，远低于旧基准的14个百分点，成为搜索智能体新试金石。
坦白说，搜索智能体的真实能力在过去一年主要依赖BrowseComp来评估。然而，这一衡量标准正在失效——仅10个月内，模型得分就从30%飙升至90%，基准测试的区分度迅速被稀释。7月17日，美团LongCat推出了一块更具挑战性的测试基准：LoHoSearch。其目标十分清晰——迫使搜索智能体再度进入攻坚阶段。
结果有多显著？在11个前沿模型的测评中，最高得分仅为34.74%，紧随其后的三个模型得分集中在15%至16%左右。而同一批顶级模型在BrowseComp上目前能获得约90%的分数。如此悬殊的差距，直观地表明LoHoSearch揭示了搜索智能体真正的薄弱环节。更值得注意的是上下文策略的边际效益：在LoHoSearch上，最优上下文策略仅带来6.8个百分点的提升，而相同操作在BrowseComp上可提升14个百分点——这意味着依赖提示工程和上下文优化来弥补缺陷的传统方法，在这套新基准中几乎失效。
该基准包含544道题目，覆盖11个领域，问题采用树状和图结构组织，并已开源。当旧基准被刷至天花板，搜索智能体的真正挑战才刚刚开始，LoHoSearch极有可能成为下一个不可或缺的必测标准。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：美团LongCat推LoHoSearch，前沿模型BrowseComp跌至三成要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点在COMPUTEX2026展会上，技嘉展示了AORUSGeForceRTX5080INFINITYWOOD显卡和AORUSX870EINFINITYNEXT主板。RTX5080显卡采用白色主题与木色元素装饰，设计独特；X870E主板则以蝴蝶翅膀为灵感，采用类蜂窝结构和金属3D打印
星际荣耀公司近日成功完成SQX-3运载火箭海上回收高精度导航系统的无人机挂飞试验。该试验在广东阳江海域进行，采用创新的半实物动态模拟方案，全面验证了导航系统在复杂海况下的性能。结果表明，系统各项指标均优于设计要求，能够稳定提供火箭与回收船之间的高精度相对导航信息。这标志着该核心系统已完成全部地面验证
PC内存厂商OriginCode近日分别针对英特尔和AMD平台推出专项优化内存。面向英特尔平台的CQDIMM内存，通过与技嘉合作验证了256GB8000MT s的高带宽套条，旨在为本地AI、视频渲染等重载任务提供强大数据吞吐能力，并计划在2026年台北电脑展展出。针对AMD平台，则推出多款支持E
东风本田公布5月销量达18563台，环比增长20%，其中CR-V销量增长显著。品牌同步推出6月限时购车权益，涵盖CR-V、英仕派、HR-V及思域等多款车型，权益价最低至9 79万元起，并可叠加国家以旧换新补贴及原厂配置加装优惠，为近期有购车计划的消费者提供了具体的价格参考与增值选择。
- 日榜
- 周榜
- 月榜
热点快看