通义发布 E-Commerce Bench：面向长周期自主商业运营的智能体基准

阿里通义（Qwen）发布 E-Commerce Bench，这是一个面向长周期自主商业运营的智能体评测基准。智能体从 ¥100,000 启动资金出发，在一个由真实电商数据驱动的虚拟市场中独立运营线上商店 365 天，覆盖选品、议价、定价、促销、库存与现金流等核心经营动作。通义在官方渠道同步释出了博客、论文、项目页与代码链接，便于社区复现与扩展。

基准概览

E-Commerce Bench 瞄准的是「长周期智能体」这一当前研究热点。与传统问答或短任务基准不同，它要求智能体在接近一整年的时间跨度里持续决策，并承担其累积后果。研究者关心的不只是最终收益，还包括智能体是否能在长跑中逐步改进自身策略。

环境与机制

基准所模拟的市场包含 6886 件商品与 576 家供应商，其中混入 152 家欺诈型供应商，以检验智能体的风控能力。运营者还面对 600 分钟工作日上限、仓储费、退货与店铺信誉等真实约束，整体机制更接近真实电商经营。

• 启动资金：¥100,000
• 模拟时长：365 天
• 商品数：6886
• 供应商数：576（其中 152 家为欺诈供应商）
• 工作日上限：600 分钟/天
• 运营成本项：仓储费、退货、店铺信誉

评估维度

除年末资产总额这一核心指标外，E-Commerce Bench 还引入了另外六个评估轴，构成七维评估体系。多维结果显示，目前没有任何模型能在所有维度上同时领先，长周期策略学习仍是普遍短板。

关键发现

通义在初步实验中观察到：「几乎所有模型都没有学会在长达一年的运营中把采购成本压低，也没有持续优化自身策略。」这一结论凸显了当前大模型智能体在长期规划与自适应方面的不足，也为后续研究指明了方向。

资源链接

通义同时提供了博客、论文、项目页与开源代码四个入口，研究者可据此复现实验或在 E-Commerce Bench 上测试自己的智能体方案。