BrowseComp被刷到90%后，美团LongCat甩出LoHoSearch：前沿模型集体跌回三成出头

搜索智能体评测基准BrowseComp短期被“刷爆”，成绩从30%飙到90%而逐渐失效。7月17日，美团LongCat发布新基准LoHoSearch，基于含762万实体的维基百科知识图谱自动生成难题，意图将评测重新推入高难度区，重设搜索智能体能力标尺。