待验证50% 置信基准精确时间
美团LongCat推出Lohosearch搜索智能体基准，11个前沿模型测试中最佳得分仅34.74%，远低于人类约90%的表现
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/22
首次发现
有效期至：2026/10/20
来源
相关事实
待验证2023年的多项Benchmark测试（如HaHackathon数据集）显示，顶级LLM在讽刺识别任务上的准确率仍显著低于普通人类标注者70% 相似待验证评估Agent规划能力的主流基准测试包括ALFWorld、WebArena和GAIA，当前最先进模型得分仍远低于人类水平68% 相似待验证移除歧义后所有模型准确率提升26.8至40.2个百分点，Gemini甚至达到81%，表明歧义是深度搜索代理最大性能瓶颈之一66% 相似待验证根据LongMEM Eval基准测试，AgentMemory的检索准确率达到95.2%，比同类项目Mem0高出27个百分点65% 相似待验证谷歌DeepMind团队在2022年的研究中记录了超过150种在小模型中缺失、却在大模型中出现的能力，包括多步推理、类比迁移与少样本学习63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/592565API
curl https://kongchang.com/api/v1/knowledge/claims/592565MCP
get_claim(id=592565)