阿里 Accio 开源电商智能体基准 CommerceAgentBench

阿里 Accio 基于阿里巴巴 27 年电商经验开源 CommerceAgentBench 基准，包含 107 个覆盖采购、上架、运营等环节的真实电商任务，并在浏览器、邮件、API 等环境下评估智能体执行，任务中含 300 封带噪声的邮件。官方强调该基准测的是“模型做什么”而非“模型说什么”，以验证 Agent 的真实工作能力。

2026-08-28 ~ 2026-08-28 · 2 条相关