论文提出AutoVend基准，多数LLM智能体运营表现不及规则基线。
资讯摘要
论文提出AutoVend基准，让一个LLM智能体通过网页操作界面管理20台自动售货机，覆盖五类场地，模拟运行180天。模拟器包含共享仓库、采购提前期、付费补货、库存过期和经常性运营成本。作者将五个LLM智能体与基于规则的库存控制基线对比，其中四个未超过基线；按每美元推理成本的回报排序也与单看回报不同。轨迹分析显示，智能体在落地可行操作、管理库存承诺和把反馈转化为有效策略修订方面存在困难。
要点速读
- AutoVend让单个LLM智能体在180个模拟日内管理20台售货机，覆盖五类场地。
- 模拟器纳入共享仓库、采购提前期、付费补货、库存过期与经常性运营成本。
- 五个受测LLM智能体中四个低于规则库存控制基线；按每美元推理成本回报排序与单看回报不同。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。