美团 LongCat 发布 LoHoSearch：面向长时序搜索智能体的更难基准

美团 LongCat 团队 7 月 17 日在官方 X 账号宣布推出 LoHoSearch（Long-Horizon Search），一个面向搜索智能体的全新高难基准，并同步在 HuggingFace 开放基准与训练数据（meituan-longcat/LoHoSearch）。

为什么需要新基准：以 BrowseComp 为代表的现有搜索智能体基准在过去一年迅速饱和——10 个月前 SOTA 还在 30%，如今已突破 90%。团队认为，现有基准主要由人类撰写题目，标注者缺乏全局实体统计视角，无法系统性地把”搜索空间大小”与”结构复杂度”推到机器上限，导致难度天花板被人为压低。

LoHoSearch 的做法：不再由人写题，而是用一条自动化流水线在覆盖 7.62M Wikipedia 实体的知识图谱上选题——优先挑搜索空间大、关系链复杂的实体对，拼装成结构复杂、且经知识图谱验证有唯一正确答案的问题。题目按领域分布公开，便于细粒度评估。

对搜索智能体的意义：团队把 LoHoSearch 定位为”超越人类难度天花板”的长时序推理与上下文管理评估标准，目标是重新拉开头部模型与普通模型在真实搜索任务上的差距，并配套放出训练数据方便社区复现与超越。

目前基准、论文与训练数据均已开源，具体 SOTA 成绩与论文细节以 LongCat 官方后续披露为准。