行业与实践 · 研究与基准测试

研究与基准测试/2026-11-01/12 分钟

星号分来自公开榜：美团给 LongCat-2.5 的长程评测写了十三条约定

美团 LongCat-2.5 把真实 Agent 失败轨迹收成可复现、可验证训练任务，并用 F2P/P2P、部分 rollout 和十三条评测协议给出长程智能体分数。带星号的对照分来自公开榜，自测分仅供参考。