美团 LongCat 开源 VitaBench 2.0，评测 AI 长期动态用户建模能力
VitaBench 2.0 揭示了 AI 在长期理解用户上的短板：时间越长遗忘越快，且缺乏主动提问的“眼力见”，个性化能力亟待提升。
VitaBench 2.0 是首个面向长期动态用户建模的智能体评测基准，包含 56 名虚拟用户、819 个复杂任务及超 2000 个动态偏好，时间跨度长达 4.3 年。结果显示，最强模型在“开卷”模式下平均分仅 0.5，且 AI 普遍缺乏主动性，个性化已成当前智能体最大瓶颈。
正文摘录
 LongCat 开源 VitaBench 2.0：长期动态智能体基准新标杆 美团技术团队 2026-06-29 LongCat 开源 大模型 一个经常加班的白领，一个带着孩子出游的父亲，你的 AI 助理能分清他们需要什么样的服务吗？ 现实是，它常常分不清。 AI 能执行你明确的指令，却很难记住那些藏在场景和身份背后的真实需求。它们是真的无法理解，还是“情商”不够高呢？ 自去年 10 月发布了 VitaBench 1.0 ，首次定义了生活场景下智能体任务的复杂度，美团 Longcat 团队再次推出 VitaBench 2.0，它不再仅仅关注任务有多难，而是将目光投向了更深层次的挑战。 VitaBench 2.0 是首个真实生活场景下面向长期动态用户建模的智能体评测基准，它系统性地评测大语言模型在长期、真实、动态的用户互动中个性化与主动性的能力。 VitaBench 2.0 的核心“硬核”看点： - 高难度业界首创：首次将智能体场景与丰富用户生态相结合，打造面向长期动态用户建模的智能体基准。其包含 56 名真实特征用户、819 个复杂任务、超 2000 个动态偏好及 66 个可执行工具。 - 超长跨度动态追踪：平均每位用户包含 2093 个交互事件，平均时间跨度长达 1580 天，严格按时间线向 Agent 暴露，真实还原用户偏好的演进与漂移。 - 统一评测生态：针对长文本上下文学习（In-context learning）与智能体记忆策略（Memory Strategy）的统一评测平台。