搜索
美团LongCat团队发布VitaBench
2025-10-21
2025年10月20日，美团LongCat团队正式发布大模型智能体评测基准VitaBench，该基准高度贴近真实生活场景，以外卖点餐、餐厅就餐、旅游出行为典型载体，构建了包含66个工具的交互式评测环境，并设计了跨场景综合任务。团队首次从深度推理、工具使用与用户交互三大维度量化拆解智能体任务，发现当前领先推理模型在复杂跨场景任务中的成功率仅30%，揭示了现有智能体与真实生活场景应用需求间的显著差距。VitaBench现已全面开源，旨在为智能体在真实场景中的研发与应用提供基础设施。
