热点事件持续更新
研究团队推出电商运营智能体评测与训练基准StoreBench
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月9日，研究团队推出用于评估和训练自主电商运营智能体的动态环境基准 StoreBench，旨在测试智能体在不确定性下的长程规划与经济决策能力。在 StoreBench 中，智能体可通过29个真实商家工具运营服装网店。在针对7款前沿大语言模型的评测中，表现最好的 DeepSeek-V4-Pro 通过率为49%，而人类专家的平均综合得分达0.708，表现优于所有参评模型。
AI 根据报道生成 · 4 小时前更新
最新进展10月9日 12:00
研究团队推出StoreBench电商运营基准，测试显示大模型表现仍落后于人类专家。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 人工智能StoreBench：用于评估与训练自主电商运营智能体的动态环境基准
研究团队推出 StoreBench 动态电商运营基准环境，用于评估和训练智能体在不确定性下的长程规划与经济决策能力。智能体可通过 29 个真实商家工具运营服装网店，在 7 款前沿大语言模型评测中表现最佳的 DeepSeek-V4-Pro 通过率为 49%，人类专家平均综合得分（0.708）优于所有模型。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。