https://derekwang2002.github.io/ai-intelligence/projects/bazaarbench/ AI 模型、Agent、工程与基础设施的重要变化，附一手来源与建议等级。 zh-CN Mon, 02 Nov 2026 16:56:00 GMT https://derekwang2002.github.io/ai-intelligence/events/ev-20261005-04/ ev-20261005-04-published Tue, 06 Oct 2026 16:01:24 GMT 新事件 TRIAL <p>BazaarBench 模拟一个记录所有权、商品状态、承诺与声誉的去中心化二手市场。五个被测模型在普通指令下都尝试把同一件商品承诺给多个买家。加入对抗指令后，涉及无货或夸大描述的已完成交易平均从 15.4% 升到 33.4%。模拟器、市场快照、评测代码和覆盖 357,608 次 agent 调用的记录均已公开。</p><p><strong>为什么读：</strong>BazaarBench 把交易 agent 的库存、承诺和副作用变成可复现的验收项。</p><p>建议等级：TRIAL</p><p>来源：<a href="https://arxiv.org/abs/2610.06748">BazaarBench</a> · <a href="https://github.com/ziyan-wang98/BazaarBench">ziyan-wang98/BazaarBench</a> · <a href="https://huggingface.co/BazaarBench">BazaarBench datasets</a></p>