★ 3
新基准用环境验证评估开放权重电商智能体
论文构建了一个确定性可复现的电商环境，预先固定每次试验的客户与轨迹参数，通过模拟消费者与模型交互并记录每步动作与环境状态，实现基于证据的细粒度评估。该环境可双向交互，在模拟器判定客户过度沮丧时终止试验，并实时注入探索、延迟购买或回忆指令。对 8 个 20B-35B 开源智能体的 160 次试验、4…
arXiv cs.LG47 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文构建了一个确定性可复现的电商环境，预先固定每次试验的客户与轨迹参数，通过模拟消费者与模型交互并记录每步动作与环境状态，实现基于证据的细粒度评估。该环境可双向交互，在模拟器判定客户过度沮丧时终止试验，并实时注入探索、延迟购买或回忆指令。对 8 个 20B-35B 开源智能体的 160 次试验、4…