热点事件持续更新
StoreBench：直播电商环境评测自主操作Agent
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
研究者推出 StoreBench，用于评估与训练自主运营智能体。该环境让智能体在生产级电商后端运营中型服装网店，借助 29 个商家工具，在客户全天候下单、供应商调价与市场冲击下进行长程规划。评测覆盖七个前沿 LLM，在 11 个场景（30 至 45 天及完整模拟年）中开展。结果显示，最佳模型 DeepSeek-V4-Pro 通过 49% 的任务-种子单元，低于脚本策略的 97%；人类专家均值 0.708，胜过模型的 0.700。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Artificial IntelligenceStoreBench：用于评估与训练自主运营智能体的直播电商环境
研究者推出 StoreBench，让智能体在生产级电商后端运营中型服装网店，用 29 个商家工具在客户全天候下单、供应商调价与市场冲击下做长程规划。七个前沿 LLM 在 11 个场景（30 至 45 天及完整模拟年）中评测，最佳 DeepSeek-V4-Pro 通过 49% 任务-种子单元，低于脚本策略的 97%，人类专家均值 0.708 胜过模型的 0.700。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。