Тест MerchantBench от Alibaba: ИИ Alibaba для электронной коммерции достиг лишь 27,3% от чистых активов людей
На неделе 10 августа три крупнейшие технологические компании одновременно выпустили специализированные инструменты для ИИ-агентов. Alibaba представила MerchantBench — бенчмарк, симулирующий 365 дней работы в сфере электронной коммерции. Для оценки долгосрочных навыков ИИ-агентов в принятии бизнес-решений используются более 98 000 реальных записей о товарах и 26 инструментов. Результаты показали, что лучший LLM достиг лишь 27,3% от показателя чистых активов продавцов-людей. Alibaba MerchantBench:
MarketWhisper·08-10 02:33







