我们考虑了Banerjee等人最近引入的预测图形搜索问题。（2023）。在此问题中，从某个顶点r开始的代理必须使用A（可能未知的）图G找到隐藏的目标节点G，同时最小化总距离。我们研究一个设置，在该设置中，在任何节点V中，代理都会收到从V到G的距离的嘈杂估计。我们在未知的图表上为此搜索任务设计算法。我们在未知的加权图上建立了第一个正式保证，并提供了下限，表明我们提出的算法对预测误差具有最佳或几乎最佳的依赖性。此外，我们进行了数值实验，证明除了对对抗性误差造成反对，我们的算法在误差是随机的典型情况下都很好地形成。最后，我们在Banerjee等人的属性上提供了更改的天然简单性能界限。（2023）对于在已知图表上进行搜索的情况，并为此设置建立新的下限。