美团 LongCat 开源 VitaBench 2.0:长期动态智能体基准新标杆
AI 摘要
美团 LongCat 团队推出 VitaBench 2.0,首个真实生活场景下针对长期动态用户建模的智能体评测基准。包含56名拟真用户、819个复杂任务、超2000个动态偏好及66个可执行工具,每位用户平均2093个交互事件,时间跨度平均1580天。同时支持长文本上下文学习和智能体记忆策略评测。测试显示,最强模型 Claude-Opus-4.6 在“开卷”模式下平均分刚过0.5;开启思考模式并不总能提升个性化任务表现;所有模型在需要主动提问的任务上得分断崖式下跌。VitaBench 2.0 已开源。
关键信息
- 美团 LongCat 团队推出 VitaBench 2.
- 0,首个真实生活场景下针对长期动态用户建模的智能体评测基准。
- 包含56名拟真用户、819个复杂任务、超2000个动态偏好及66个可执行工具,每位用户平均2093个交互事件,时间跨度平均1580天。
- 同时支持长文本上下文学习和智能体记忆策略评测。
- 测试显示,最强模型 Claude-Opus-4.
速览
- 发布时间
- 更新时间
- 分类
- 产品与应用
- AI 评分
- 69
推荐理由
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。
相关实体
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:美团 LongCat 开源 VitaBench 2.0:长期动态智能体基准新标杆。2026年6月25日。https://new.nat6.net/news/cmquellij03q2sl80f5fm292j/