**CARTBench：首个针对复杂模糊购物请求的基于评分卡的评估基准**

_CARTBench: Rubric-Based Evaluation of Shopping Advice for Complex and Ambiguous Requests with Timelines_

> 针对大语言模型在复杂且模糊的时序购物请求中表现不佳的问题，研究团队推出了 CARTBench 基准。该基准通过整合 17 个零售领域的真实对话与商品记录解决了数据稀缺问题，并基于理想回复原则制定了针对具体案例的评分标准。实验显示，包括 GPT-6.1-Sol 在内的主流模型在核心指标上表现尚可，但在高质量建议（卓越级）上存在显著差距，揭示了从理解到执行的鸿沟。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-11-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.05862)