arXiv 发布面向智能体购物的商家侧就绪度基准
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载基准测的是商家而非智能体
现有评测大多衡量 AI 智能体在购物任务上的表现，这篇论文把测量对象换成交易的另一侧：商家的网站是否让智能体进入、公布的条款是否精确到足以支撑一次购买决策、是否留下能证明双方约定了什么的证据。基准就建立在这三个问题上，并报告了一次试点结果。作者强调，这项工作的贡献在于证明这些测量可以被实际执行，而不是验证指标本身，也没有据此对商家做排名。
决策充分性怎么打分
核心测量叫决策充分性，做法是把一份具体买家委托中的各项标准——总成本、取消或退货条款、服务日期、规格身份——依据商家自己公布的证据，逐项判定为确定、不确定或未知。就绪度分数会附带证据覆盖率与缺失上界；访问情况分别针对声明的机器人、声明的无头浏览器和有人在场时的浏览器三种身份单独报告；每一条观察到的条款还会映射到 RAILS 可采性类别，对应它在争议中能支撑的证据类型。
试点数据说明了什么
四家大型商家接受了完整评估：三家在报价页拒绝了声明的身份档案，且没有任何一份委托能被确认满足，因为每家都留下了总价或退款条款未确定。对两家支付处理商公开列为其客户的 555 个商家站点做访问普查，105 个站点（18.9%）的首页对两种声明身份都不可读。对 330 家商家的声明式评估由确定性规则打分、不设人工评分者，结果显示决定谁能进入排名的是证据覆盖率而不是分数：115 家（35%）达到排名门槛，可排名档案的中位数为 89 至 90，实质条款是唯一明显低于其他维度的一栏，因为全包总价可判定的只有 18 家。
尚未验证的部分
论文明确划出边界：试点只表明这些测量可以取到，并未对指标做验证，也没有对商家排名；权重设置与预计的清算区间都还需要用实际结果来验证。论文共 23 页，含 7 张图、10 张表，并附有配套数据集。
为什么值得看
智能体代购的评测长期只看智能体表现，这份工作把镜头转向商家网站能否被智能体读取与决策，给出了可复用的测量口径与首批数据。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。