阿里提出电商购物Agent奖励模型E-GenRM
热点事件持续更新
阿里提出电商购物Agent奖励模型E-GenRM
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
阿里巴巴提出面向开放式电商购物Agent的生成式奖励模型E-GenRM，用于评估购物Agent的偏好判断及有证据支持的事实陈述。模型利用购物App中的真实用户行为构建长程对话轨迹，经基于行为评估链的监督微调和准则引导强化学习优化，并通过个性化难负例训练识别隐含用户偏好。 在阿里自建的E-GenRM-Bench上，E-GenRM-27B偏好准确率达到87.40%，超过最强基线。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 05:51
阿里巴巴发布 E-GenRM：用真实用户行为训练电商购物 Agent 奖励模型报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- AGI Hunt阿里巴巴发布 E-GenRM：用真实用户行为训练电商购物 Agent 奖励模型
阿里巴巴论文提出 E-GenRM，一个面向开放式电商购物 agent 的生成式奖励模型。它利用购物 App 中自然发生的用户行为构建长程对话轨迹，先经基于行为评估链的 SFT 学习、再用准则引导的强化学习优化，并加入个性化难负例训练与主动证据检索。在自建 E-GenRM-Bench 上，E-GenRM-27B 偏好准确率达 87.40%，超过最强基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。