论文与研究

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 团队开源 VitaBench 2.0,这是首个真实生活场景下面向长期动态用户建模的智能体评测基准,包含56名真实特征用户、819个复杂任务、超2000个动态偏好及66个可执行工具,平均每位用户交互事件达2093个、时间跨度1580天。

关键信息

  • 美团 LongCat 团队开源 VitaBench 2.
  • 0,这是首个真实生活场景下面向长期动态用户建模的智能体评测基准,包含56名真实特征用户、819个复杂任务、超2000个动态偏好及66个可执行工具,平均每位用户交互事件达2093个、时间跨度1580天
  • 它将评测重心从单次任务转移到对用户偏好的长期追踪与主动沟通,实验显示主动提问和偏好利用仍是普遍短板,记忆策略并非简单叠加,这会改变智能体个性化研究的评估方法

速览

发布时间
更新时间
来源
公众号:龙猫LongCat(美团)
分类
论文与研究
AI 评分
69
阅读原文 前往信息源阅读完整正文
推荐理由

它将评测重心从单次任务转移到对用户偏好的长期追踪与主动沟通,实验显示主动提问和偏好利用仍是普遍短板,记忆策略并非简单叠加,这会改变智能体个性化研究的评估方法。

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。

原文链接 · AIHOT 条目

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/cmsdu2t2a011lrofzwicu7fny/

查看全部 →
  • OpenAI内部报告:智能体Codex如何改变工作

    OpenAI 在2025年8月至2026年6月间观察到,智能体产品 Codex 取代 ChatGPT 成为主要工作工具,各部门输出 token 中 Codex 占比从不足10%升至99.8%。80.6%个体用户曾发起预计等效人类工作时间超…

    OpenAI:官网动态(RSS · 排除企业/客户案例)论文与研究AI 评分 65

  • 冻结多token预测加速Pixel上的Gemini Nano模型

    Google Research提出一种新架构,在已冻结的Gemini Nano v3模型上改造Multi-Token Prediction(MTP),以加速Pixel 9和10系列上的设备端推理。该方法基于EAGLE框架和CALM,无需单…

    Google Research:Blog(网页)论文与研究AI 评分 55

  • DFlash:块扩散草稿模型实现最高15倍吞吐量提升

    DFlash 由 UC San Diego 团队提出,是一种用于投机解码的轻量块扩散草稿模型。它一次前向推理生成整块 token,再由目标模型并行验证,保证输出无损。相比 EAGLE-3,DFlash 实现最高 2.5 倍加速,在 Qwe…

    MarkTechPost(RSS)论文与研究AI 评分 74

  • Anthropic Economic Index 报告:使用节奏

    Anthropic 发布 Economic Index 报告,基于隐私保护遥测数据分析了 Claude 的使用节奏。工作日个人对话占比约 35%,周末升至近 50%;高薪职业在工作日外的使用占比更高。日内模式显示:新闻请求集中在早上 7…

    Anthropic:Research(发表成果 · 网页)论文与研究AI 评分 55

  • 思考即回忆:推理如何解锁LLM中的参数化知识

    Google Research研究发现,推理(chain-of-thought)能帮助大语言模型(LLM)回忆简单事实,即使这些事实无需复杂推导。在Gemini-2.5 Flash和Pro以及Qwen3-32B上,启用推理后模型能够回答原…

    Google Research:Blog(网页)论文与研究AI 评分 69