arXiv · AI· Qiming Shi, Yikun Li, Beidi Luan, Rui Sun, Yan Ma, Jing Li, Daxin Jiang, Zuo Bai·· 5 小时前AI 评分33
AutoVend：评估 LLM 智能体在长周期自主售货运营中的基准测试
AutoVend: Benchmarking LLM Agents on Long-Horizon Autonomous Vending Operations
AI 导读
研究者推出 AutoVend 基准，测试 LLM 智能体在 180 天模拟期内管理 20 台自动售货机的长期经济表现。 实验对比 5 个 LLM 智能体与基于规则的库存控制基线，发现其中 4 个智能体的表现低于基线。 分析表明，单指标提升不必然带来更强经济增长，库存与执行成本会侵蚀收益，模型在落地可行行动、管理库存承诺及将反馈转化为有效策略修订方面存在显著困难。
来源：arXiv · AI · arxiv.org