AutoVend 基准发布

2026年10月28日，Qiming Shi 等作者在 arXiv 发布 AutoVend 基准，用于评估 LLM 智能体长期自主运营自动售货机的能力。据该报道，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；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。报道称，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。目前事件进展限于该基准的发布与上述评测结果，尚无后续跟进报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。