美团LongCat团队发布VitaBench，推动智能体真实场景应用

快速阅读: 美团LongCat团队发布VitaBench智能体评测基准，涵盖外卖点餐、旅游出行等场景，含66个工具，旨在提升智能体在复杂生活场景中的应用能力，目前开源。

近日，美团LongCat团队正式发布了名为VitaBench的智能体评测基准，旨在针对多交互任务，特别是在复杂生活场景中的应用。VitaBench的推出，为智能体在真实生活场景中的研发提供了重要的基础设施。

VitaBench聚焦于外卖点餐、餐厅就餐和旅游出行等高频真实场景，构建了一个包含66个工具的交互式评测环境。评测任务设计涵盖了从购票到餐厅预订等多项复杂操作，要求智能体在执行任务时进行深度推理、工具调用及用户互动的综合表现。

尽管当前领先的推理模型已取得一定进展，但LongCat团队的研究显示，智能体在复杂跨场景任务中的成功率仍不足30%，反映出当前技术与实际应用需求之间存在显著差距。VitaBench的开发旨在解决这一问题，填补现有智能体评测基准与真实生活场景应用之间的空白。

该基准的设计基于对推理复杂性、工具复杂性和交互复杂性三个维度的深入分析。团队通过量化这些维度，系统地衡量智能体在真实场景中的表现。例如，推理复杂度主要通过信息整合需求、观察空间大小及所需处理的推理点数量来评估；工具复杂度则考虑工具的依赖关系与调用链长度；交互复杂度则关注智能体在多轮对话中的应对能力。

VitaBench的构建分为两个阶段，首先是框架设计和工具定义，其次是任务创建和评估标准制定。这一过程确保了任务的多样性和复杂性，同时避免了传统文档模式的局限性，使智能体能够在没有冗余规则的情况下，自主推理和决策。

目前，VitaBench已全面开源，研究人员和开发者可通过其官方网站和GitHub访问相关资源。VitaBench的发布标志着智能体评测领域的重要里程碑，预计将推动智能体技术在真实生活场景中的进一步应用与发展。项目主页：https://vitabench.github.io 论文链接：https://arxiv.org/abs/2509.26490 代码仓库：https://github.com/meituan-longcat/vitabench 数据集：https://huggingface.co/datasets/meituan-longcat/VitaBench 排行榜：https://vitabench.github.io/#Leaderboard

(以上内容均由Ai生成)