Agent 基准引入真实噪音数据，含 300 封钓鱼邮件与 10 类错误
testingcatalog · x · 2026-08-29
CommerceAgentBench 的任务直接取自真实的运营混乱场景，包括：300 封夹杂钓鱼尝试的采购邮件、会拒绝错误输入的浏览器表单、以及人为注入了 10 类错误的 12 天供应商行程。项目发布了 14 个模拟服务，采用 Apache 2.0 协议开源 harness，任务套件采用 CC BY 4.0 协议。由于每个新的复刻都是模型未曾训练过的任务家族，Accio 正在通过 PR 接受更多服务贡献。
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
- Self Labs 推出 Agent Vault，让智能体安全登录并刷信用卡 — EXM7777 · 2026-10-16
- Plane Agents：触发器才是把聊天机器人变成工作流 Agent 的关键 — JosephJacks_ · 2026-10-16
- Claude 工程负责人写教程：教你用 AI 敢想敢做更宏伟的事 — danshipper · 2026-10-16
- Qwen Code Desktop v0.25.2 发布：managed-agent 稳定性与 MCP 配置修复 — github-actions[bot] · 2026-10-16
- NVIDIA 7 门 AI Agent 课程免费开放，2026 年不必花钱报班 — ifioknkem · 2026-10-16
- Claude 跑完 9 小时任务后卡在等授权，配上名画恰如其分 — juliey4 · 2026-10-16