MerchantBench提出一个面向电商卖家运营的长期智能体基准：在365天订单级模拟环境中，基于98,843条真实电商商品记录，提供26种工具，要求智能体处理选品、上架与定价、现金流及混合延迟反馈适应等相互关联的决策。论文使用两种智能体框架评估8个大语言模型，共进行48次运行。
最近 24 小时暂无可用热度快照。