AutoVend：LLM 智能体长周期自动售货运营基准测试

AutoVend 基准让一个 LLM 智能体通过网页运营界面管理 5 类场地的 20 台自动售货机，模拟运行 180 天。其模拟器包含共享仓库、采购提前期、付费补货、库存过期和经常性运营成本，5 个受测 LLM 智能体中有 4 个不及基于规则的库存控制基线，且按每美元推理成本回报排序与单看回报排序不同。轨迹分析显示智能体难以落地可行动作、管理库存承诺并把反馈转化为有效的策略修正。