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:阿里开源最难关电商Agent基准，最强仅完成61.68%(11 条相关)→
「编程与Agent」频道最新
- 马斯克转发用户实测：Grok Bot 不比 Codex 强但更顺手 — elonmusk · 2026-10-15
- 独立开发者发布 Blob0：把 S3/R2 对象存储管成 Mac 本地文件夹 — yihui_indie · 2026-10-15
- 2026 AI 工程师六层技能栈：从向量库到 Agent 编排 — mdancho84 · 2026-10-15
- 用 ChatGPT 搭机械工程工作流：Agent 编排热固封头研究，却因重置中断 — burhop · 2026-10-15
- 开源 Harness 工程课爆火：19k 星教你让编码 Agent 干活可靠 — thisguyknowsai · 2026-10-15
- 6 人团队 3 个月：AI Agent 进驻医保预授权平台的落地实录 — alex_verem · 2026-10-15