主要来源arXiv: DeepSeek
查看原文事件专题 ·官方一手
StoreBench：电商智能体评测环境发布
StoreBench是一个实时电商环境，测试智能体在经营中型服装店时的长期规划能力和经济判断力。该环境包含29个人类商家工具，模拟客户全天候下单、供应商调价和断货、市场突发冲击等场景。研究团队评估了7个前沿大模型在11个30-45天场景和全年模拟场景中的表现，DeepSeek-V4-Pro表现最佳，但仅完成49%任务，低于人类专家的70.8%平均分。
当前结论
StoreBench用真实电商场景测试AI智能体，DeepSeek-V4-Pro表现最好但远不及人类，Qwen3.5-27B训练后性能提升173%。
2 个信源58° AI 热度最后更新 2026/10/7 21:46:10
证据链
2 个信源相关来源 1IT之家
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。