智能体
x.com ·
@Qwen (@Alibaba_Qwen)
Qwen 发布 E-Commerce Bench：面向长周期自主商业运营的基准
Qwen 推出 E-Commerce Bench，用于评估 Agent 在模拟电商环境中的长期运营能力。Agent 需用 10 万元启动资金经营店铺 365 天，涉及采购、谈判、定价等任务，基于真实电商数据，包含 6886 种商品和 576 个供应商。该基准提供七维评估，并公开了论文、代码和项目页面。
AI推荐理由 Qwen 官方发布新基准 E-Commerce Bench，提供论文、代码和项目链接，信息详实，对 Agent 长周期任务评估有实际价值。
85
浏览 59,725
点赞 617
评论 65
转发 54
正文
认识 E-Commerce Bench，一个用于长期自主商业运营的新基准。🚀
智能体以 100,000 元人民币起步，经营在线商店 365 天，处理采购、谈判、定价、促销、库存和现金流，在一个由真实电子商务数据驱动的市场中运营。
里面有什么：👀
- 真实经济学：6886 种产品，576 家供应商（其中 152 家是欺诈者），600 分钟工作日，仓储费，退货和声誉。
- 长期学习：几乎没有模型能在整整一年的运营中学会更便宜地购买或改进其策略。
- 七轴评估：除了年终资产，我们还对另外六个维度进行评分，结果显示没有单一模型能在所有方面占据主导地位。
了解更多关于 E-Commerce Bench 的信息：👇
- 博客：https://qwen.ai/blog?id=e-commerce-bench
- 论文：https://arxiv.org/abs/2608.30730
- 项目：https://ecbench.github.io/
- 代码：https://github.com/QwenLM/E-CommerceBench
查看原文（中文正文为 AI 翻译）
Meet E-Commerce Bench, a new benchmark for long-horizon autonomous business operations. 🚀
Agents start with ¥100,000 to run online stores for 365 days, handling sourcing, negotiation, pricing, promotions, inventory and cash flow, in a market driven by real e-commerce data.
What's inside: 👀
- Real economics: 6886 products, 576 suppliers (152 fraudsters), 600-minute workdays, storage fees, returns and reputation.
- Long-horizon learning: almost no model learns to buy cheaper or improve its strategies over a full year of operation.
- Seven-axis evaluation: beyond year-end assets, we score six more dimensions, revealing that no single model dominates across the board.
Learn more about E-Commerce Bench: 👇
- Blog: https://qwen.ai/blog?id=e-commerce-bench
- Paper: https://arxiv.org/abs/2608.30730
- Project: https://ecbench.github.io/
- Code: https://github.com/QwenLM/E-CommerceBench