阿里发布 E-GenRM：用真实用户行为训练电商购物 Agent 奖励模型
_reachsumit · x · 2026-11-05
阿里巴巴论文提出 E-GenRM，一个面向开放式电商购物 agent 的生成式奖励模型。
- 数据侧：利用购物 App 中自然发生的用户行为，构建超出既有使用模式的长程对话轨迹
- 建模侧：先通过基于行为评估链的 SFT 学习，再用准则引导的强化学习优化，奖励正确的偏好判断与有证据支持的事实陈述；个性化难负例训练提升对隐含用户偏好的敏感度
- 另有主动证据检索扩展，为评估补齐缺失的电商信息
- 在自建 E-GenRM-Bench 上，E-GenRM-27B 偏好准确率达 87.40%，超过最强基线
「编程与Agent」频道最新
- 35 年老程序员感叹:真正的烂代码其实是人写的 — facontidavide · 2026-11-05
- VTR 方法让 VLM agent 少用 5.8 倍视觉 token 且精度不变 — wellecks · 2026-11-05
- Helay MCP 携手 Claude 生成配个人语音的动态图文视频 — aziz4ai · 2026-11-05
- 开发者吐槽 Codex 计算机操作太慢：每次点击等 20 秒难以忍受 — flowersslop · 2026-11-05
- Snowflake 发布 Business Ontology 与 Cortex AI Gateway,押注企业 AI 治理层 — shashib · 2026-11-05
- GitHub Copilot 应用上线 Projects，跨仓库批量编排任务 — acostin · 2026-11-05