# LoHoSearch – 美团推出的下一代搜索智能体评测基准

- Link: https://paooo.com/aigc-news/32343/
- Published: 2026-07-21T00:52:46+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 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](https://paooo.com/trends/)
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。

阅读目录

 * [LoHoSearch是什么](https://paooo.com/aigc-news/32343/#lohosearch%e6%98%af%e4%bb%80%e4%b9%88)
 * [LoHoSearch的主要功能](https://paooo.com/aigc-news/32343/#lohosearch%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [LoHoSearch的技术原理](https://paooo.com/aigc-news/32343/#lohosearch%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [如何使用LoHoSearch](https://paooo.com/aigc-news/32343/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8lohosearch)
 * [LoHoSearch的核心优势](https://paooo.com/aigc-news/32343/#lohosearch%e7%9a%84%e6%a0%b8%e5%bf%83%e4%bc%98%e5%8a%bf)
 * [LoHoSearch的项目地址](https://paooo.com/aigc-news/32343/#lohosearch%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [LoHoSearch的同类竞品对比](https://paooo.com/aigc-news/32343/#lohosearch%e7%9a%84%e5%90%8c%e7%b1%bb%e7%ab%9e%e5%93%81%e5%af%b9%e6%af%94)
 * [LoHoSearch的应用场景](https://paooo.com/aigc-news/32343/#lohosearch%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![LoHoSearch](https://paooo.com/wp-content/uploads/2026/07/LoHoSearch-website-1.
avif)

## 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](https://paooo.com/ai-study/)
   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。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**LongCat ↗**

美团推出的自研大模型AI对话平台。

❓ 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。

🔬 语宙深潜追问 · 进阶实操拆解

做搜索智能体评测最容易踩什么坑？

最常见的是题目太短、路径太浅，导致模型靠关键词匹配就能过关。要像 LoHoSearch 一样
引入大规模实体关系、长链路证据和多跳约束，才能真正测出检索、规划和记忆管理能力。

低分结果对Agent研发意味着什么？

这通常说明问题不在单点模型，而在检索策略、证据压缩、状态管理和失败恢复机制。研发
时应把搜索过程拆成检索、筛选、验证和回溯四层，逐层定位瓶颈，而不是只换更大模型。

🗳️ 读者观点微投票 · 您的实战立场是？

LoHoSearch最狠的价值是测搜索还是测推理？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🤖 所属权威专题：AI Agent 智能体工作流 →](https://paooo.com/topics/ai-agents/)

 * [BrowseComp被刷到90%后，美团LongCat甩出LoHoSearch：前沿模型集体跌回三成出头](https://paooo.com/aigc-news/32098/)
 * [MMSearch – 评估大型多模态AI搜索引擎能力的基准测试工具](https://paooo.com/aigc-news/26499/)
 * [LongDocURL – 中科院联合淘天集团推出的多模态长文档理解基准数据集](https://paooo.com/aigc-news/23445/)
 * [阿里开源WebSailor网络智能体：SailorFog-QA与DUPO算法突破复杂任务极限，登顶开源榜首](https://paooo.com/aigc-news/14513/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/32343/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
