新基准 CommerceAgentBench 考验 AI 处理 300 封复杂采购邮件
mhdfaran · x · 2026-08-27
新推出的 CommerceAgentBench 基准测试挑战 AI Agent 处理真实世界的采购工作流：并非简单问答，而是让 Agent 在包含约 300 封混乱邮件的收件箱中重建事件、识别供应商（处理同名、别名、欺诈风险）、标准化报价（含 6 种术语、4 种货币），并最终执行打标签、存草稿、建日程等操作。该基准含 107 个真实电商任务，通过检查环境留下的实际执行证据而非模型口述来评分。
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