Accio 开源 107 任务电商 Agent 基准，最高分仅 61.7%
testingcatalog · x · 2026-08-29
Accio 开源了 CommerceAgentBench，这是一个包含 107 个任务的基准测试，覆盖采购、商品上架、运营、订单履行和售后等电商全流程。评分基于 Agent 在模拟电商栈中留下的实际变更（如标签、草稿、上架列表、运单号等）。测试涵盖了 13 个不同的模型家族，目前最高分为 61.7%。
所属事件:阿里 Accio 开源电商 Agent 基准，最高分仅 61.7%(4 条相关)→
「编程与Agent」频道最新
- Polsia称超千家公司入驻，年运行率近千万美元 — testingcatalog · 2026-08-29
- Polsia 获 3000 万美元融资，全由 AI 智能体完成运营 — testingcatalog · 2026-08-29
- LangChain 即将支持 MCP 规范与 FastMCP — LangChain · 2026-08-29
- 用 AI Agent 自建 OS：Dock、画布和文件管理器 — BLUECOW009 · 2026-08-29
- OpenAI Python 库弃用 Rye 迁移至 uv — charliermarsh · 2026-08-29
- Claude 智能体已能自主运行实验研究循环 — rohanpaul_ai · 2026-08-29