研究团队发布CARTBench购物建议评测基准

Yuqin Dai 等作者提出并发布 CARTBench，用于评测大语言模型购物助手处理“带时间线的复杂模糊需求”（CART）的能力。该基准覆盖 17 个零售领域、1,603 条商品记录，并包含 1,328 条专家标注的评分标准。 据论文介绍，CARTBench 针对的是现有评测难以衡量的需求类型：用户购物意图复杂、表述模糊，且带有时间线约束。评测以专家标注的评分标准为依据，而非单一标准答案。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。