---
title: "LoHoSearch – 美团推出的下一代搜索智能体评测基准"
url: "https://paooo.com/aigc-news/32343/"
author: "Prompt 语宙研究院"
published_at: "2026-07-21T00:52:46+08:00"
updated_at: "2026-07-21T00:52:46+08:00"
categories: "AIGC 资讯"
tags: "AI智能体, OpenAI, RAG检索增强, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# LoHoSearch – 美团推出的下一代搜索智能体评测基准

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/32343/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-21

## AI 30 秒核心看点 (TL;DR)

- 基于超大规模维基百科知识图谱自动出题，突破传统人工基准的认知天花板。
- 通过“搜索空间 + 结构复杂度”双维度控难，能稳定制造真正高区分度的难题。
- GPT-5.5 在 LoHoSearch 上仅 34.74%，远低于 BrowseComp，评测更能反映长程推理短板。

## LoHoSearch是什么

LoHoSearch 是美团 LongCat 团队推出的下一代搜索智能体评测基准，基于覆盖 762 万维基百科实体、2.65 亿条关系边的知识图谱自动生成题目，替代传统人工出题模式。基准收录 544 道经人工核验的高质量题目，覆盖音乐、影视、地理等 11 个领域，通过控制搜索空间与结构复杂度双维度制造挑战。当前最强模型[ GPT-5.5](https://ai-bot.cn/gpt-5-5/) 准确率仅 34.74%，远低于其在 BrowseComp 上 90% 以上的表现，为长程搜索推理与上下文管理提供更具区分度的评测标准。

## LoHoSearch的主要功能

- **知识图谱自动化建图**：用完整英文维基百科为数据源，构建 762 万实体节点与 2.65 亿条有向边的超大规模知识图谱，每个实体标注 Wikidata 类型与入度热度，为全局视角选题提供基础。

- **双维度难度控制**：从搜索空间与结构复杂度两个维度系统调控题目难度，突破人工出题的认知天花板。

- **树结构与图结构采样**：树结构通过放大搜索空间制造难度，图结构则在巨大搜索空间之上引入环形依赖与交叉约束，进一步叠加结构复杂度。

- **自动化 QA 生成与验证**：从子图抽取维基描述改写为自然语言题目，经关系提取、子图覆盖检查、答案满足度验证三层自动筛选，再辅以人工复核确保质量。

- **多模型性能评测**：支持对主流搜索智能体进行标准化评测，输出准确率、工具调用次数、校准误差等核心指标，直观反映模型长程推理能力。

## LoHoSearch的技术原理

- **知识图谱自动化构建**：用完整英文维基百科为数据源，抽取 762 万个实体页面作为节点，提取正文内 2.65 亿条超链接作为有向边，为每个实体标注 Wikidata P31 类型与入度热度，构建全局知识网络。

- **双维度难度定义**：从”搜索空间”和”结构复杂度”两个正交维度量化题目难度，突破人工出题的认知局限。

- **树结构子图采样**：通过放大搜索空间制造难度，从单一答案节点向下展开多条独立分支，每条分支对应一个高候选空间的约束条件，使排除成本指数级上升。

- **图结构子图采样**：在巨大搜索空间基础上引入环形依赖与交叉约束，多个条件节点彼此 interconnected，求解需同时满足多组咬合关系，叠加结构复杂度形成双重挑战。

- **关系提取与自然语言生成**：从采样子图中抽取各实体的维基百科描述，用大模型改写为连贯的自然语言问题，确保每个线索完整保留原始子图中的关系信息。

## 如何使用LoHoSearch

- **加载数据**：通过 `datasets` 库直接加载 `meituan-longcat/LoHoSearch`，获取 544 道题目与标准答案。

- **查看结构**：数据集包含题目文本、对应子图结构、领域标签及经知识图谱校验的唯一答案。

- **接入评测**：将题目输入待测搜索智能体，记录其推理轨迹与最终输出。

- **自动判分**：对照数据集提供的标准答案，验证模型输出是否满足全部约束条件并统计准确率。

- **对比分析**：用数据集附带的子图复杂度与领域标签，分维度分析模型在不同难度与主题下的表现。

## LoHoSearch的核心优势

- **突破人工出题天花板**：传统人工基准受限于标注者已知实体范围，LoHoSearch 依托全局知识图谱，能系统识别高搜索空间与高结构复杂度的”真难题”。

- **难度显著高于现有基准**：同一模型在 BrowseComp 上准确率 58.84%，在 LoHoSearch 上仅 10.02%，平均工具调用从 35 次增至 61 次，挑战强度提升 74%。

- **区分度更强**：现有上下文管理策略在 BrowseComp 上提升 14.03%，在 LoHoSearch 上仅提升 6.8%，更能真实反映策略在长程复杂场景下的边际效益。

- **结构复杂度独立可控**：图结构题目准确率（8.01%）显著低于树结构（11.89%），证明结构复杂度是独立于搜索空间之外的额外难度来源，可被单独量化。

## LoHoSearch的项目地址

- **HuggingFace模型库**：https://huggingface.co/datasets/meituan-longcat/LoHoSearch

- **arXiv技术论文**：https://arxiv.org/pdf/2606.12837

## LoHoSearch的同类竞品对比

维度
LoHoSearch
BrowseComp

出题方式
知识图谱自动化生成 + 人工核验
人工设计

题目数量
544 道
数百道

覆盖领域
11 个领域（音乐、影视、地理等）
未明确分领域

难度控制
搜索空间 + 结构复杂度双维度
人工主观控制

最强模型准确率
GPT-5.5：34.74%
GPT-5.5 Pro：90.1%

工具调用中位数
59 次
26 次

上下文策略提升
+6.8%
+14.03%

饱和状态
远未饱和，区分度高
已接近饱和

适用场景
长程搜索推理、上下文管理评测
基础搜索能力评测

## LoHoSearch的应用场景

- **搜索智能体能力评测**：为具备长程推理能力的搜索 Agent 提供高难度标准化测试，精准定位模型在复杂信息检索链条中的短板。

- **上下文管理策略验证**：评估 Summary、Discard-all、Verify 等上下文压缩与验证策略在超长交互场景下的真实增益，避免在简单基准上高估策略效果。

- **模型迭代对标**：为研究团队提供未饱和的评测标准，支撑模型版本迭代时的能力边界探测与性能对比。

- **搜索算法研究**：为需要多步推理、交叉验证的复杂搜索算法研究提供可控难度的数据集与评测框架。

- **智能体产品选型**：帮助企业在选型搜索智能体方案时，通过 LoHoSearch 区分不同模型在真实复杂查询场景下的实际表现。

## 常见问题解答 (FAQ)

### LoHoSearch 适合评测什么能力？
LoHoSearch 主要用于评测搜索智能体的长程推理、复杂信息检索链条处理能力，以及上下文管理策略在高难场景下的真实效果，尤其适合检验模型是否能在多约束条件下找到唯一答案。

### LoHoSearch 和 BrowseComp 有什么区别？
LoHoSearch 由知识图谱自动生成并人工核验，难度通过搜索空间和结构复杂度双维度控制；BrowseComp 更偏人工设计，整体更接近饱和。实测中 LoHoSearch 对模型区分度更强。

### LoHoSearch 数据集怎么使用？
可通过 datasets 库加载 meituan-longcat/LoHoSearch，获取 544 道题目、标准答案和子图结构。使用时将题目输入搜索智能体，记录推理轨迹，再按标准答案自动判分并分析不同难度表现。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
