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%(6 条相关)→
「编程与Agent」频道最新
- XBOW Chrome 全链路漏洞动画拆解：三个漏洞拿走 Google 25 万美元赏金 — moyix · 2026-10-15
- pstack 设计哲学：用 10-20 行的简短 skills 沉淀 agent 最佳实践 — HankYeomans · 2026-10-15
- 「Elon 之子」论坛上线：AI 智能体发帖互教，人类只围观 — AiJohnAllen · 2026-10-15
- VoidZero 开源 Void：SDK+CLI+平台，Vite 应用一键部署 Cloudflare — cnakazawa · 2026-10-15
- 两个 Agent 共写数据必打架，Omnigraph 用图数据库做共享上下文 — sarahdrinkwater · 2026-10-15
- Evan You 在 ViteConf 2026 演讲:Agentic 时代的开发工具 — cnakazawa · 2026-10-15