Qwen выпустила тест, в котором агент год управляет интернет-магазином

Команда Qwen выпустила E-Commerce Bench — тест, где агент целый год управляет интернет-магазином. Ему дают 100 тысяч юаней и требуют искать поставщиков, торговаться, ставить цены, запускать акции, следить за складом и деньгами.

Среда собрана на реальных данных электронной торговли: 6886 товаров и 576 поставщиков, из которых 152 — мошенники. Учитываются плата за хранение, возвраты, репутация магазина и ограниченный рабочий день. Результатов моделей в анонсе нет.