@QwenDevs: E-Commerce Bench 是一个小尝试，旨在评估模型在特定业务环境中的表现。希望它能提供有用的参考……

X AI KOLs Timeline 新闻
ai-benchmark e-commerce model-evaluation alibaba qwen autonomous-agents business-ai

摘要

E-Commerce Bench 是阿里巴巴 Qwen 团队推出的一个新基准，用于评估 AI 模型在电子商务长期自主业务操作中的表现，初始资金为 ¥100,000，用于运营在线商店 365 天。

E-Commerce Bench 是一个小尝试，旨在评估模型在特定业务环境中的表现。希望它能为提高模型在专业业务任务上的性能提供有用的参考。
查看原文
查看缓存全文

缓存时间: 2026/09/04 14:26

E-Commerce Bench 是一项初步尝试，旨在评估模型在特定商业环境中的表现。希望它能为提升模型在专业商业任务上的性能提供有用的参考。

Qwen（@Alibaba_Qwen）： 推出 E-Commerce Bench——一个面向长期自主商业运营的新基准测试平台。🚀

智能体初始拥有 ¥100,000 资金，在基于真实电商数据的市场环境中运营网店长达365天，涵盖选品采购、商务谈判、定价策略、促销活动、库存管理及现金流周转等全流程商业操作。

相似文章

StoreBench：用于评估和训练自主运营智能体的直播电商环境

arXiv cs.AI

StoreBench 引入了一个直播电商强化学习环境，自主智能体在其中运营一家在线服装店，配备 29 个商家工具，用于测试不确定性条件下的长周期规划能力。目前没有任何前沿 LLM 能够匹敌脚本化的智能分流基线（表现最好的 DeepSeek-V4-Pro 通过率为 49%，而基线为 97%），但对 Qwen3.5-27B 进行 GRPO 后训练可显著提升其在留出集上的表现。