美团推出下一代搜索智能体评测基准 LoHoSearch

美团LongCat团队推出全新搜索智能体评测基准LoHoSearch，用762万维基百科实体知识图谱自动生成544道高难度题目。基准通过控制搜索空间与结构复杂度双维度提升难度，评测显示最强模型GPT-5.5准确率仅34.74%，远低于其在BrowseComp上的表现，揭示当前搜索智能体在长链条复杂推理任务上的显著瓶颈。