跳到正文
arXiv · AI· Xianyang Liu, Shangding Gu, Fan Xu, Manxi Wu, Boyi Li, Jun Wang, Costas Spanos, Dawn Song·· 4 天前AI 评分27

AgenticPay 基准测试多模态 LLM 在商业多智能体谈判中的表现

From Chats to Markets: AgenticPay for LLM-Powered Negotiation in Multi-Agent Commerce

AI 导读

新基准 AgenticPay 评估多模态 LLM 在四类商业场景及多种市场拓扑下的自主谈判能力。包含 160 项任务,考察从双边到多边市场的协议达成质量。 最强模型 Gemini 3.1 Pro Preview 的 GlobalScore 仅 42.3/100;市场转向多侧时该分数平均下降 5.7 分。该基准为评估现实商业中的多模态智能体提供了测试平台。

来源:arXiv · AI · arxiv.org