AI最前沿 88Z.ai 7 月 21 日消息，美团LongCat团队发布LoHoSearch基准，利用维基百科知识图谱生成高难度题目。测试显示GPT-5.5准确率仅34.74%，暴露出搜索智能体在复杂推理任务上的瓶颈。
消息要点
- LoHoSearch基于维基百科知识图谱生成高难度题目，通过双重维度提升评测难度。
- GPT-5.5准确率仅34.74%，揭示搜索智能体在长链条复杂推理上的瓶颈。
要点
美团LongCat团队正式推出下一代搜索智能体评测基准LoHoSearch。该基准基于762万维基百科实体构建的知识图谱，自动生成了544道高难度测试题目。通过同时控制搜索空间与结构复杂度这两个维度，LoHoSearch显著提升了评测难度。结果显示，目前最强的模型GPT-5.5在该基准上的准确率仅为34.74%，这一成绩远低于其在BrowseComp基准上的表现。这一巨大差距揭示了当前搜索智能体在处理长链条复杂推理任务时存在显著的技术瓶颈，难以应对高结构复杂度的搜索挑战。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 龙猫LongCat原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。