阿里开源 CommerceAgentBench，模拟300封邮件测Agent
mhdfaran · x · 2026-08-27
阿里巴巴国际团队开源了 CommerceAgentBench，这是一个用于评估长周期 Agent 的基准测试。不同于传统问答式评测，它将 Agent 置于模拟真实服务的环境中（如包含约 300 封杂乱采购邮件的收件箱），要求其做出正确的购买决策。该基准旨在测试 Agent 处理复杂、有状态、长周期业务工作流的能力。项目现已开源，并支持贡献模拟环境。
所属事件:阿里开源 CommerceAgentBench 电商智能体基准(11 条相关)→
「编程与Agent」频道最新
- llama.cpp未吃满NVMe阵列？作者直接让Kimi改代码调优 — carrigmat · 2026-08-27
- Agno 发布：自称能自建自运行的 Agent 平台 — pritisinghhhh · 2026-08-27
- OpenMythos：社区理论复现Claude神话架构，14.8k星 — Shruti_0810 · 2026-08-27
- Agent 自动打开手机 App 控制打印机重印任务 — haydendevs · 2026-08-27
- GitHub Copilot Teams 新版发布，集成 Slack 支持团队协作 — marlene_zw · 2026-08-27
- Skill Routers 如 /ask-matt 极其实用 — mattpocockuk · 2026-08-27