Accio 开源 CommerceAgentBench：验证 Agent 真实工作
kimmonismus · x · 2026-08-28
Accio 开源了 CommerceAgentBench，包含 107 个电商任务，覆盖采购、上架、运营等环节。该基准测试评估 Agent 在浏览器、邮件、API 等环境下的实际工作能力，关键在于它验证 Agent 真实改变、保存或提交的内容，而非其声称的步骤。
所属事件:阿里 Accio 开源电商 Agent 基准，最高分仅 61.7%(6 条相关)→
「编程与Agent」频道最新
- Perplexity 开源支撑其 Computer 产品的智能体沙箱平台 SPACE — AravSrinivas · 2026-10-16
- Claude Opus 5.5 + Unity 6 完整教程：六步从空文件夹做出可玩游戏 — Roger_M_Taylor · 2026-10-16
- Marc Lou 公开安利 PostShiba：独立开发者的邮件基础设施新选择 — marclou · 2026-10-16
- RExBench 基准:最强编码 Agent 自主完成研究扩展成功率仅 33% — najoungkim · 2026-10-16
- 开发者把 Pstack skills 装进 Grok bot 与 Hermes agents — alexcovo_eth · 2026-10-16
- past.dev 推出 Agent 长期记忆 API,登顶 BEAM 公开记忆基准 — thisiskp_ · 2026-10-16