热点事件持续更新
研究团队推出电商导购评测基准CARTBench
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 8 小时前更新
最新进展11月5日 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。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- 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。
本事件热度走势
当前热度 8·可比范围峰值 10（11月5日 14:00）·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。