阿里巴巴的 Qwen 团队推出了 E-Commerce Bench,这是一个新颖的基准,旨在评估自主代理在长周期业务运营中的能力。该基准模拟了一年的在线商店运营,代理从固定预算开始,需要管理采购、谈判、定价和库存等任务。评估不仅限于简单利润,还包括七个维度,揭示了当前模型在长期内持续改进其策略方面存在困难。 AI
影响 测试 AI 代理管理复杂、长期业务运营的能力,突显了当前在战略随时间改进方面的局限性。
排序理由 主要 AI 实验室发布的新基准,用于评估代理能力。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →