★ 3
StoreBench：评估与训练自主运营智能体的实时电商环境
论文推出 StoreBench，一个让智能体在真实级电商后端运营中型服装网店的实时商业环境，测试长程规划与不确定性下的经济判断。在 11 个场景中，最佳模型 DeepSeek-V4-Pro 通过 49% 任务种子单元，低于脚本启发式策略的 97%，人类专家得分高于所有模型；GRPO 后训练使 Qw…
arXiv cs.AI24 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文推出 StoreBench，一个让智能体在真实级电商后端运营中型服装网店的实时商业环境，测试长程规划与不确定性下的经济判断。在 11 个场景中，最佳模型 DeepSeek-V4-Pro 通过 49% 任务种子单元，低于脚本启发式策略的 97%，人类专家得分高于所有模型；GRPO 后训练使 Qw…