阿里推出MerchantBench评测电商智能体

阿里巴巴推出名为MerchantBench的全新基准测试，专用于评估大语言模型智能体在电商运营中的长期连贯性。区别于以往关注单步有界任务的测试，该基准基于近10万条真实数据，模拟了为期365天的订单处理环境，旨在揭示AI智能体在真实长期业务部署中与人类表现的差距。

2026-08-04 ~ 2026-08-06 · 3 条相关

• MerchantBench 用 365 天电商仿真测试 LLM agent — dair_ai · 2026-08-04
• 阿里 MerchantBench 揭示电商智能体与人差距 — alibabagroup · 2026-08-05
• 阿里提出 MerchantBench:大模型电商运营长期能力评测 — _akhaliq · 2026-08-06