Meituan LongCat ने VitaBench 2.0 ओपन-सोर्स किया: दीर्घकालिक गतिशील एआई एजेंट बेंचमार्क का नया मानक
AI सारांश
Meituan LongCat टीम ने VitaBench 2.0 पेश किया, जो वास्तविक जीवन परिदृश्यों में दीर्घकालिक गतिशील उपयोगकर्ता मॉडलिंग के लिए पहला एआई एजेंट मूल्यांकन बेंचमार्क है। इसमें 56 यथार्थवादी उपयोगकर्ता, 819 जटिल कार्य, 2000 से अधिक गतिशील प्राथमिकताएं और 66 निष्पादन योग्य टूल शामिल हैं; प्रत्येक उपयोगकर्ता में औसतन 2093 इंटरैक्शन इवेंट हैं, औसत समय अवधि 1580 दिन है। यह लंबे टेक्स्ट संदर्भ सीखने और एआई एजेंट स्मृति रणनीति मूल्यांकन दोनों का समर्थन करता है। परीक्षणों से पता चलता है कि सबसे मजबूत मॉडल Claude-Opus-4.6 का "ओपन-बुक" मोड में औसत स्कोर 0.5 से थोड़ा अधिक है; थिंकिंग मोड सक्षम करना व्यक्तिगत कार्यों के प्रदर्शन को हमेशा नहीं बढ़ाता; सभी मॉडलों का स्कोर उन कार्यों पर तीव्र गिरावट दिखाता है जिनमें सक्रिय रूप से प्रश्न पूछना आवश्यक है। VitaBench 2.0 ओपन-सोर्स कर दिया गया है।
मुख्य जानकारी
- Meituan LongCat टीम ने VitaBench 2.
- 0 पेश किया,जो वास्तविक जीवन परिदृश्यों में दीर्घकालिक गतिशील उपयोगकर्ता मॉडलिंग के लिए पहला एआई…
- प्रत्येक उपयोगकर्ता में औसतन 2093 इंटरैक्शन इवेंट हैं,औसत समय अवधि 1580 दिन है। यह लंबे टेक्स्ट…
- 6 का "ओपन-बुक" मोड में औसत स्कोर 0.
- 5 से थोड़ा अधिक है
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- स्रोत
- 公众号:龙猫LongCat(美团)
- श्रेणी
- उत्पाद और ऐप्स
- AI स्कोर
- 69
美团LongCat开源的VitaBench 2.0是首个评测AI长期理解用户偏好的基准,实验发现最强模型得分也刚过0.5,做Agent和推荐系统的值得跑一遍。
संबंधित एंटिटी
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: Meituan LongCat ने VitaBench 2.0 ओपन-सोर्स किया: दीर्घकालिक गतिशील एआई एजेंट बेंचमार्क का नया मानक। 25 जून 2026। https://new.nat6.net/hi/news/cmquellij03q2sl80f5fm292j/