一项名为UserArena的新基准测试已被引入,用于评估电子商务环境中模拟购物者的保真度。UserArena使用真实的购物数据开发,在五个不同的级别上评估模拟器,从基本的输出有效性到匹配真实世界的A/B测试结果。该基准测试还包括一种称为On-Policy Trajectory Distillation (OPTD) 的训练方法,该方法在论文的测试中表现出高保真度。 AI
影响 为评估人工智能驱动的购物代理提供了一种标准化方法,这对于改进推荐系统和代理训练至关重要。
排序理由 该项目描述了研究论文中详细介绍的新基准测试和训练方法。[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 →