标签
该论文提出了 OutfitterBench,这是一个让 LLM 智能体在固定资金上限下管理一家户外装备租赁企业的基准测试,业务持续 200 天,涉及约 1,100 笔预订,旨在评估智能体在重新分配资源的同时,确保各项承诺切实可行的能力。对七个前沿 LLM 的实验表明,大多数模型的表现不及基于规则的基线,揭示了它们在维持连贯的长期资源规划方面的局限。