VitaBench错误累积

美团 LongCat 团队发布 VitaBench：聚焦外卖、餐饮与出行的真实场景智能体评测

美团 LongCat 团队推出智能体评测集 VitaBench，选取外卖配送、餐饮到店与在线出行三大高频生活服务场景，抽象出 66 个可组合工具，构建 100 个跨场景与 300 个单场景任务，系统衡量推理、工具使用与自适应交互能力。项目页与论文同步公开代码、数据与榜单，便于复现与对比。 最新结果显...