LocalSearchBench: Benchmarking Agentic Search in Real-World Local Life Services

LocalSearchBench：为真实世界本地生活服务的代理搜索设立新基准

日前，研究团队正式发布了LocalSearchBench，一个专门针对真实世界本地生活服务的代理搜索基准测试。这个基准的诞生，说白了就是想让AI系统在帮咱们找餐厅、比价、规划周末活动时，表现得更聪明、更靠谱。

论文信息来自arXiv（编号2512.07436v3），属于替换版本。你可能会问，为什么需要一个专门的本地生活服务基准？

大推理模型遇上本地生活，挑战在哪？

目前的大推理模型（这类模型能像人一样进行多步逻辑推理）确实很厉害，已经能让AI搜索系统在多个信息源之间来回分析。但问题在于，大部分研究都集中在通用信息检索上，比如搜“什么是量子计算”。可一旦落到本地生活服务这个垂直领域，情况就完全变了。举个例子，咱们生活中常见的查询其实是“找一家离公司近、又适合请客户吃饭的餐厅”——这种问题本身就挺模糊，什么叫“适合请客”？需要同时考虑距离、档次、口味、环境好几个因素，这就逼着AI必须在多个商户和产品之间做多跳推理（Multi-hop reasoning）。

LocalSearchBench到底做了什么？

这个基准测试的核心，就是把这些复杂的、现实世界的场景给固化下来。它涵盖了多种多样的商业场景，保证测试的全面性。具体来说，LocalSearchBench做的是：

• 真实数据注入：不是闭门造车，而是直接用真实的商户信息和用户需求来构建查询。
• 多跳推理设计：问题本身就有歧义，需要AI像侦探一样，先确定意图，再比对信息，最后给出最优解。
• 工作流模拟：模拟用户在本地生活中的真实决策路径，而不是简单的一问一答。

说白了，这套基准就是要看看，AI在咱们日常生活的真实场景里，到底能不能真正帮上忙。凭什么说它重要？

代理搜索为何是AI落地的关键一步？

代理搜索（Agentic Search）不同于传统的关键词搜索，它强调AI能主动计划、执行任务。在本地生活服务里，这就意味着AI需要替你跑腿、比价、甚至讨价还价。LocalSearchBench的出现，相当于给这个领域立了一个考核标准——以后哪个模型说自己懂本地生活，拉过来跑一下这个测试就知道了。这确实是一个挺实在的进展。

对行业意味着什么？

从这个基准测试可以看出，AI行业正在从“能回答问题”向“能解决问题”转变，而本地生活服务恰恰是检验这个能力的最佳试金石。毕竟，现实世界的问题从来都不是非黑即白的。对于做AI应用的团队来说，LocalSearchBench提供的这些复杂场景，正好能帮他们找到自家模型的短板，然后再针对性地优化。可以预见，这个基准的发布，会推动更多专注于垂直场景的AI服务走向实用化。