300 封邮件里找出真相:基准给 Agent 出采购决策难题
alifcoder · x · 2026-08-26
CommerceAgentBench 的采购测试设定:agent 接手一个约 300 封邮件的采购收件箱,里面混杂供应商报价、修改后的数量、交货条款、付款信息、已撤回报价和身份相似的供应商。任务不是「总结这些邮件」,而是判断哪些信息真实有效、缩小可选范围,并依据人类设定的业务规则支撑最终采购决策。
所属事件:阿里开源电商 Agent 基准 CommerceAgentBench，最强仅完成六成任务(5 条相关)→
「研究」频道最新
- IROS 2026: 充气大白皮肤机器人实现全身触觉感知 — nptacek · 2026-08-26
- 开发者自建本地智能体 Secret Agent Bubbles：白天干活晚上自我强化 — cephaloform · 2026-08-26
- 为何数学家不愿帮 AI 验证证明？ — voooooogel · 2026-08-26
- LLM 评分靠得住吗？警惕位置偏见与过拟合 — Innowise_ · 2026-08-26
- 推理侧复用旧经验，Isaac框架助多模型大幅提效 — 机器之心 · 2026-08-26
- 穹彻发布具身世界动作模型Noe-0：全链路无本体数据训练 — 机器之心 · 2026-08-26