UserArena 发布：6.4 万条真实购物轨迹评测长程购物 Agent
Jujia Zhao · hf · 2026-10-26
- 由莱顿大学、人大、阿里巴巴等团队推出的 UserArena，是一个真实电商交互基准，包含来自 1.1 万用户的 64,729 条会话轨迹，覆盖 566,102 件商品与 13 种动作类型。
- 支持轨迹级评估，并可对照生产环境受控 A/B 测试结果做离线验证，评估维度涵盖输出有效性、局部决策、序列行为、个性化与最终结果五个层级。
- 为提升长程交互下的模拟器保真度，作者提出 On-Policy Trajectory Distillation 方法改进用户模拟。
「编程与Agent」频道最新
- B200 实测：torch.compile 关一个开关，同一计算提速 4.53 倍 — cfregly · 2026-10-26
- Yacine 又补一刀：想监控邻居，第一步是买他的电视再砸了 — yacineMTB · 2026-10-26
- Reddit 热议：你的 AI Agent 为什么还不能和别人的 Agent 直接沟通 — ClassroomHopeful648 · 2026-10-26
- 开源 DUMEdb：借鉴 1959 IBM 打卡系统，agent 醒来只读 220 token 而非回放 3 万 — MadBradSmith · 2026-10-26
- 字节联合高校开源 RSIHub：标准化 Agent 自进化研究框架 — ByteDance · 2026-10-26
- AI Agent 乱删盘的恐怖故事现在还常发生吗？开发者现身说法引热议 — fugogugo · 2026-10-26