美团的 LongCat 团队发布了 VitaBench 2.0，这是一个评估基准，旨在评估大型语言模型在长期、动态用户交互场景中的表现。新版本建立在去年十月发布的 VitaBench 1.0 的基础上，侧重于模型在现实生活中进行个性化和主动行动的能力。 AI
影响 为评估 LLM 在长期用户交互中的能力提供了新标准。
排序理由 发布了用于评估 LLM 的新基准。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
