EvalCart发布购物智能体公开评测与排行榜

EvalCart 发布面向购物智能体的公开评测与排行榜，用同一套家庭任务、冻结商品目录和确定性评分器比较不同智能体生成的购物车。其示例中，两个智能体都覆盖全部 27 件商品，但因总价 $188.62 超出 $180 预算，购物车仍被判失败。 评分维度包括完整性、预算与约束、口味匹配、库存与替代说明等；超出预算或违反硬约束即整轮失败，效率单独报告且不影响质量分。EvalCart 称公开评测无需账号即可使用，自定义评测在项目验证期间免费、无计费或付费墙，但需创建免费账号才能构建、保存和重跑。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。