CommerceAgentBench：真实浏览器环境下的智能体任务评测

aftahi_ai · x · 2026-08-27

介绍了 CommerceAgentBench，这是一个用于测试 AI 智能体实际执行能力的基准。与在模拟环境中测试不同，它在真实浏览器中运行，因此智能体的错误（如输入错误值、上传错误文件）会直接导致实时业务报错。

该基准会同时向智能体抛出多个重叠的子任务，包括供应商报价、竞品研究、产品图片、发布计划以及过时的列表信息（迫使智能体判断信息源时效）。定价不仅仅是单一数字，而是涉及成本、标价、阶梯价、最小起订量（MOQ）、库存和各国利润率的复杂计算。