研究論文1 個來源10/28 上午02:20
圖：本站依事件資料排版，不是新聞照片
Alibaba 推出 UserArena 基準與 OPTD 方法，提升長程購物代理模擬保真度
Alibaba 研究團隊發布 UserArena 基準測試，包含逾 6 萬條真實用戶軌跡，並提出 On-Policy Trajectory Distillation (OPTD) 方法，在模擬器保真度與生產環境政策效應重現上表現最佳。
程式自動生成（Qwen3.8-Flash-Next-180B），未經人工審閱。每段附來源，門檻檢查通過後自動上線。