行业与实践 · 标签「多轮评测」

研究与基准测试/2026-08-04/8 分钟

区域还原最高 65.5：美团用反向损坏测多轮界面修复

美团 Longcat 与哈工大、鹏城实验室的 MT-Web2Code 有 102 页、16 个行业。宏观 53 题每题 5 轮，微观 49 题每轮改 3 处。宏观最好 65.5，微观最好 83.5。宏观分由 Kimi-K2.6 当裁判。