实体
CommerceAgentBench
CommerceAgentBench
PulseAugur coverage of CommerceAgentBench — every cluster mentioning CommerceAgentBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
时间线
- 2026-09-01 research_milestone Alibaba's Qwen team released CommerceAgentBench, a new benchmark for evaluating AI models on real-world commercial execution tasks. 来源
最近 · 第 1/1 页 · 共 2 条
-
阿里巴巴的CommerceAgentBench揭示AI代理在真实商业任务中表现不佳
阿里巴巴.com开发了CommerceAgentBench，这是一个旨在评估AI代理在真实商业任务中表现的开源基准。该基准可在GitHub上获取，包含107个源自实际电子商务运营的端到端任务，重点关注采购、物流和售后服务等领域。初步测试显示，最强的模型仅能正确完成其中61.7%的任务，这凸显了在识别支付异常、计算着陆成本、核对冲突文件以及管理多段航线等方面存在的重大挑战。
-
阿里巴巴 Qwen3.8-Max 在新的商业执行基准测试中领先
阿里巴巴的 Qwen 团队推出了 CommerceAgentBench，这是一个新的基准测试，旨在评估 AI 模型在真实商业执行任务上的表现，而不仅仅是生成答案。在初步测试中，他们的 Qwen3.8-Max 模型在这些复杂的商业操作中表现出最强的性能，完成率约为 62%。