Meituan LongCat sumber terbuka VitaBench 2.0: penanda aras baharu ejen dinamik jangka panjang
Ringkasan AI
Pasukan LongCat Meituan memperkenalkan VitaBench 2.0, penanda aras penilaian ejen pertama untuk pemodelan pengguna dinamik jangka panjang dalam senario kehidupan sebenar. Ia mengandungi 56 pengguna simulasi, 819 tugas kompleks, lebih 2000 keutamaan dinamik dan 66 alat boleh laksana, setiap pengguna purata 2093 peristiwa interaksi, rentang masa purata 1580 hari. Ia juga menyokong pembelajaran konteks teks panjang dan penilaian strategi memori ejen. Ujian menunjukkan model terkuat Claude-Opus-4.6 dalam mod "buku terbuka" purata markah baru melepasi 0.5; mengaktifkan mod pemikiran tidak semestinya meningkatkan prestasi tugas pemperibadian; semua model mengalami kejatuhan mendadak markah pada tugas yang memerlukan pertanyaan proaktif. VitaBench 2.0 telah disumber terbuka.
Maklumat penting
- Pasukan LongCat Meituan memperkenalkan VitaBench 2.
- 0,penanda aras penilaian ejen pertama untuk pemodelan pengguna dinamik jangka panjang dalam…
- Ia mengandungi 56 pengguna simulasi,819 tugas kompleks,lebih 2000 keutamaan dinamik dan 66 alat…
- Ia juga menyokong pembelajaran konteks teks panjang dan penilaian strategi memori ejen.
- Ujian menunjukkan model terkuat Claude-Opus-4.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- 公众号:龙猫LongCat(美团)
- Kategori
- Produk & Aplikasi
- Skor AI
- 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。
Entiti Berkaitan
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: Meituan LongCat sumber terbuka VitaBench 2.0: penanda aras baharu ejen dinamik jangka panjang. 25 Jun 2026. https://new.nat6.net/ms/news/cmquellij03q2sl80f5fm292j/