CommerceAgentBench —— 电商 AI Agent 的真实挑战

📦 CommerceAgentBench 是让 Agent 像一个真实的电商运营助理一样，处理多达 300 封邮件的采购收件箱，识别供应商、整理报价、处理各种贸易术语，甚至还要发现潜在的欺诈行为，最后还得完成供应商选择和日历事件创建等等一系列真实工作流

📊 Accio 开源的 CommerceAgentBench，据他们说，这 107 项任务是从全球 1000 万中小企业用户的真实需求中提炼出来的。即使是当前最强的 Claude Opus 5，也只能完成 61.7% 的任务。这让我不禁思考，我们离一个能完全自主的“商业 Agent”还有多远？

🔗 这个有趣的项目已经在 GitHub 上开源了，团队也邀请大家一起贡献新的模拟环境：github.com/Accio/CommerceAgentBench · 原推

📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！

via Roller | DeepSeek Harness 中文社区 - Telegram Channel

国际象棋网站实习生在线霸凌马斯克 百万网友围观

via cnBeta.COM - 中文业界资讯站 (author: 稿源：瓦砾村夫)

Telegraph

国际象棋网站实习生在线霸凌马斯克 百万网友围观

昨天凌晨，网友Path发帖：“今天醒来，看见国际象棋官方网站正在霸凌马斯克”。配图是Chess.com官方账号连怼马斯克的截图。 导火索 事情的起因是9月3日。科普账号Massimo发了一条关于国际象棋变化数量的帖子。他说开局有20种走法，一个回合后超过400种局面，到第40步，可能的对局数大约是10的40次方。这个数字跟可观测宇宙的原子数差不多。帖子里配了一张棋谱分叉图。 马斯克回复指出“真正不算蠢的走法数量其实很少，国际象棋总有一天会被完全解决。” 开怼 几个小时后，全球最大国际象棋网站Chess.…

微软推动Windows 11全面迈向本地端侧AI运行

via cnBeta.COM - 中文业界资讯站 (author: 稿源：cnBeta.COM)

Telegraph

微软推动Windows 11全面迈向本地端侧AI运行

微软正在对Windows 11的底层人工智能战略进行重大调整，计划逐步摆脱对键盘实体Copilot按键以及网页端侧边栏的初级依赖，全面转向在用户PC本地直接高效运行大型AI模型的全新阶段。这一转变标志着微软对AI与操作系统的融合探索正从表层的交互呼出入口，深入到操作系统的底层计算架构之中。 在过去两年中，微软为普及Copilot采取了密集的软硬件捆绑策略，包括联合OEM厂商在PC键盘空格键右侧新增近三十年来首个全新物理键——Copilot键，并在Windows 11的任务栏、文件资源管理器等核心界面嵌入…

OpenAI 发布 Astra 后多次改动评测数据，幻觉率先降后恢复

OpenAI 9 月 3 日发布 GPT-6 Astra 博客时出现罕见延迟，此后多次修改评测基准。Astra 幻觉率一度从 4.2% 降至 2%，随后又恢复 4.2%。

GPT-5.6 Sol 的 ExploitBench 得分从 5.5% 上调至 11.5%，Anthropic 的 Fable 5.1 数学分数一度被调低约 10 个百分点。OpenAI 称调整是为了让数字代表对模型性能的最佳估计。

Fortune

🌸 在花频道 · 茶馆水群 · 投稿通道

via 科技圈🎗在花频道📮 - Telegram Channel