美團LongCat推VitaBench 評測AI智能體生活任務

生活場景做考題

大模型智能體的評測長期偏重學術任務，與真實生活存在距離。美團LongCat團隊發布的VitaBench選擇了另一條路：以外賣點餐、餐廳就餐、旅遊出行三大高頻生活場景為典型載體。

這些場景貼近大眾日常，任務天然複雜多變，能夠真實檢驗智能體在規劃、決策與執行之間的綜合能力，所得評測結論更具參考價值。評測更具價值。