arXiv Artificial Intelligence· Xiaohongshu Dots Studio, Evolvent AI·· 13 小时前AI 评分47
VibeLifeBench：你的生活智能体能在动态世界中主动且持续吗？
VibeLifeBench: Can Your Life Agent Be Proactive and Persistent in a Living World?
AI 导读
VibeLifeBench 是一个包含 200 个长周期任务的基准，覆盖十个日常生活领域，每个任务都是模拟世界中的多周时间线，世界由 22 个模拟服务组成并自行推进时钟。任务由细粒度加权检查评分，只读取智能体实际留下的痕迹，考察最终状态、行动及时性以及是否遵守隐含约束。七个前沿模型在该基准上得分均偏低，表明当前智能体与真实生活辅助仍有较大差距。
推荐理由模型分析
现有 LLM Agent 评测多为静态环境下的短请求，该工作提出 VibeLifeBench，用 200 个跨十类生活场景、持续数周的长程任务，在 22 个模拟服务组成、按自身时钟推进且含静默变化的世界中考察主动性、时机与隐式约束。七款前沿模型得分均低，为开发者提供了长程助手能力的比较基线；但这是模拟环境下的脚本化评测，尚不能等同于真实生活部署效果。
来源：arXiv Artificial Intelligence · arxiv.org