美團LongCat團隊20日正式發布當前高度貼近真實生活場景、面向複雜問題的大模型智能體評測基準--VitaBench(Versatile Interactive Tasks Benchmark)，並已全面開源。

　　據官方介紹，VitaBench以外賣點餐、餐廳就餐、旅遊出行三大高頻真實生活場景為典型載體，構建了包含66個工具的交互式評測環境，並進行了跨場景的綜合任務設計。例如，在旅遊規劃任務中，要求智能體通過思考、調用工具和用戶交互，完整執行從買好票到訂好餐廳的終端狀態。
《經濟通通訊社21日專訊》

【你點睇？】美伊於巴基斯坦恢復談判，你認為美伊衝突會否演變為長期對峙？你認為在現時壓力下，伊朗可維持對抗多久？ ► 立即投票