**MerchantBench：评估LLM代理在电商运营中的长期一致性**

_MerchantBench: Benchmarking LLM Agents for Long-Term Coherence in E-Commerce Operations_

> HuggingFace社区推出MerchantBench基准测试，通过365天订单级模拟和98,843条真实电商数据，评估LLM代理在长期决策中的一致性能力。测试涵盖选品、定价、现金流管理等26项工具，结果显示最佳LLM配置仅达到人类参与者平均净资产的27.3%，凸显大模型在长期连贯决策上的显著差距。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.28956)