CARTBench评测复杂购物建议能力

浙江大学、清华大学、小红书与上海交大团队发布并开源 CARTBench，用于评测大语言模型购物助手处理带时间线、需求模糊的复杂购物请求。基准覆盖17个零售领域的真实商业案例，包含多轮对话和1603条商品记录，并依据成功订单的优秀回复制定1328条专家评分标准。 团队评测10个模型后称，仅3个模型的 Core 得分超过90%，无一模型的 Excellence 得分超过45%，显示模型在理解需求与执行高质量推荐之间仍有明显差距。团队同时提出 Principle-Guided CART Prompting 结构化推荐策略。

AI 根据报道生成 · 25 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。