E-Commerce Bench：长程运营与多维度评估

E-Commerce Bench: Long-Horizon Operations, Multi-Dimensional Evaluation

AI 导读

Qwen 官方博客文章，介绍与淘宝天猫团队合作发布的 E-Commerce Bench。文章指出既有 Agent 基准多为有明确终点的有限回合任务，而现实中的长程任务如经营网店没有自然停止点，因此该基准让模型以商家身份在真实市场中长期经营网店：初始资金 10 万元、可同时经营多家店铺、在完整模拟年度内持续做经营决策，用于衡量模型在有限时间和资金下的长程运营能力。文中提供了论文与 GitHub 链接。