Skip to content
Hot storiesContinuously updated

研究团队推出电商导购评测基准CARTBench

1 reports1 reporting sourcesUpdated 10 hours ago

Start here

AI overview

2026年11月5日，研究团队推出基于评分标准的购物评测基准CARTBench。该基准依托17个零售领域的1,603条商品记录，旨在评估大语言模型处理复杂且模糊的时序需求能力。在评测标准上，CARTBench包含Core、Excellence和Safety三个维度的1,328条专家准则，目前已针对GPT-6.1-Sol、Claude-Opus-5等10款商业及开源模型展开了评测。

AI-generated from reports · Updated 10 hours ago

Latest developmentsNov 5 13:00
研究团队推出购物评测基准CARTBench，已对10款模型完成评测。

Report timeline

Follow the reports to see different sides of the story.

Nov 5
  1. arXiv 自然语言处理
    CARTBench：基于评分标准的复杂时序购物建议评测基准

    研究团队推出购物评测基准 CARTBench，依托 17 个零售领域与 1,603 条商品记录，用于评估大语言模型处理复杂、模糊时序需求的能力。该基准包含 Core、Excellence 和 Safety 维度的 1,328 条专家准则，评测了 GPT-6.1-Sol、Claude-Opus-5 等 10 款商业及开源模型。

Story heat trend

Current heat 8·Comparable peak 10（Nov 5 14:00）·Comparable change, last 24 hours–

02.557.510Nov5Nov5Nov5Nov5

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.