研究人员开发了 AutoVend，这是一个旨在评估大型语言模型 (LLM) 代理在管理长周期自主售货操作能力的新基准。该基准模拟了在 180 天内管理 20 台自动售货机的过程，并纳入了库存管理、采购和运营成本等现实因素。初步评估显示，在测试的五个 LLM 代理中，有四个的表现不如一个基本的基于规则的系统，这凸显了在行动落地、库存管理以及基于反馈调整策略方面存在的挑战。 AI
影响 强调了 LLM 代理在超越简单交易的复杂、长期运营任务中所面临的挑战。
排序理由 该集群描述了在 arXiv 上发布的一个新基准和研究论文。[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 →
