BrowseComp被刷到90%後，美團LongCat甩出LoHoSearch：前沿模型集體跌回三成出頭

搜索智能體評測基準BrowseComp短期被“刷爆”，成績從30%飆到90%而逐漸失效。7月17日，美團LongCat發佈新基準LoHoSearch，基於含762萬實體的維基百科知識圖譜自動生成難題，意圖將評測重新推入高難度區，重設搜索智能體能力標尺。