論文の概要: RealWorldShop: Benchmarking and Improving Conversational Shopping Agents in Real-World E-commerce
- arxiv url: http://arxiv.org/abs/2609.38974v1
- Date: Wed, 30 Sep 2026 04:49:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.189394
- Title: RealWorldShop: Benchmarking and Improving Conversational Shopping Agents in Real-World E-commerce
- Title（参考訳）: RealWorldShop: リアルタイムEコマースにおける対話型ショッピングエージェントのベンチマークと改善
- Abstract要約: 我々は,3.28Mのグラウンドド製品,構造化ショッピングエピソード,プロファイルグラウンドとアクションコントロールされたユーザシミュレータ,ロールプレイ評価に基づいて構築されたベンチマークを紹介する。
本稿では,REALSHOP_AGENTを提案する。REALSHOP_AGENTは,明示的な状態管理,ショッピングフロー制御,カタログ検索,実行時およびガード機能を備えたセッション制御フレームワークである。
- 参考スコア（独自算出の注目度）: 37.335180597347446
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models are reshaping ecommerce from static recommenders into interactive shopping assistants, yet real-world shopping requires session-level decision support: users reveal and revise constraints, coordinate multiple goals, and expect product-grounded recommendations over a full conversation. Existing benchmarks are mostly outcome-oriented or execution-oriented, leaving this evolving decision process under-evaluated. We introduce REALWORLDSHOP, a benchmark built on 3.28M grounded products, structured shopping episodes, a profile-grounded and actioncontrolled user simulator, and role-play evaluation. Our analysis shows that current systems produce locally plausible responses but struggle with state tracking, constraint updating, and grounded convergence, especially under ambiguous intent, bundle, and multi-intent scenarios. We further propose REALSHOP_AGENT, an executable session-control framework with explicit state management, shopping-flow control, catalog-grounded retrieval, and runtime guards. Experiments show that REALSHOP_AGENT consistently outperforms strong baselines on REALWORLDSHOP.
- Abstract（参考訳）: 大規模な言語モデルは、静的レコメンデータからインタラクティブなショッピングアシスタントへと、eコマースを再構築する一方で、実際のショッピングにはセッションレベルの決定サポートが必要である。
既存のベンチマークは結果指向か実行指向であり、この進化する決定プロセスは過小評価されている。
提案するREALWORLDSHOPは,3.28Mのグラウンドド製品上に構築されたベンチマーク,構造化ショッピングエピソード,プロファイル・グラウンドド・アクション制御型ユーザシミュレータ,ロールプレイ評価などを紹介する。
分析の結果,現状のシステムは局所的に妥当な応答を生成するが,状態追跡,制約更新,接地収束に苦慮していることが明らかとなった。
さらに,REALSHOP_AGENTという,明示的な状態管理,ショッピングフロー制御,カタログ検索,実行時ガードを備えたセッション制御フレームワークを提案する。
実験により、REALSHOP_AGENTは、REALWORLDSHOPの強いベースラインを一貫して上回っていることが示された。
関連論文リスト
- Towards Faithful Simulation of Human Shopping Behavior [57.234936207923]
本稿では,GUIを用いたシミュレーションエージェントRecVerseについて紹介する。
メモリの問題に対して、RecVerseは認知にインスパイアされた階層的メモリ、短期的なフォーカスのためのワーキングメモリ、セッション内トレースのためのエピソディックメモリ、高レベルのインテントのためのPreference Memoryを採用する。
最適化の課題として、RecVerseは、セッション全体をスコアする軌道レベルの目標で最適化されている。
論文 参考訳（メタデータ） (2026-08-21T03:24:32Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - Customer-Agent: Overcoming Context Limitations in Ultra-Long Shopping Trajectories via Tool-Augmented Agents and RLVR [35.58360539504091]
ShopTrajQAは、現実世界の製品情報とシミュレートされたショッピングトラジェクトリから構築された長期コンテキスト評価ベンチマークである。
本フレームワークはShopTrajQAに対して高い性能を示し,他の複雑な推論タスクへの一般化を示す。
論文 参考訳（メタデータ） (2026-06-06T06:22:07Z) - ShopGym: An Integrated Framework for Realistic Simulation and Scalable Benchmarking of E-Commerce Web Agents [12.399936351655917]
ShopGymは、eコマースウェブエージェントの現実的なシミュレーションとスケーラブルなベンチマークのための統合フレームワークである。
ShopArenaは、店舗仕様とステージ化された検証された生成プロセスを通じて、実店舗を自己完結型のサンドボックスショップに変換する。
ShopGuruは7つのスキルカテゴリのベンチマークタスクを合成し、各タスクを店のカタログ、ナビゲーション構造、ポリシー、インタラクション能力に基盤を置く。
論文 参考訳（メタデータ） (2026-05-15T16:00:38Z) - Beyond State Consistency: Behavior Consistency in Text-Based World Models [58.216587360435305]
本研究では,世界モデルと実環境の機能的整合性を改善することを目的とした,行動整合性トレーニングパラダイムを提案する。
WebShopとTextWorldの実験では、BehRベースのトレーニングによって、いくつかの設定における長期的なアライメントが改善されている。
論文 参考訳（メタデータ） (2026-04-15T12:56:45Z) - SAGE: A Service Agent Graph-guided Evaluation Benchmark [27.342044311161654]
本稿では,SAGE(Service Agent Graph-Guided Evaluation)を提案する。
SAGEは構造化されていないSOPを動的ダイアロググラフに形式化し、論理的コンプライアンスの正確な検証を可能にする。
また、モデルが論理的失敗にもかかわらず丁寧な会話ファサードを維持する現象である「共感回復」も観察する。
論文 参考訳（メタデータ） (2026-04-10T12:55:23Z) - ShopSimulator: Evaluating and Exploring RL-Driven LLM Agent for Shopping Assistants [30.950450014358722]
大規模かつ挑戦的な中国のショッピング環境であるShopSimulatorを紹介した。
様々なシナリオにまたがってLCMを評価し、最高の性能のモデルでさえ40%未満の完全成功率を達成することを発見した。
さらなる訓練は、これらの弱点を克服するための実践的なガイダンスを提供する。
論文 参考訳（メタデータ） (2026-01-26T07:24:28Z) - DeepShop: A Benchmark for Deep Research Shopping Agents [70.03744154560717]
DeepShopは、複雑なリアルなオンラインショッピング環境でWebエージェントを評価するために設計されたベンチマークである。
5つの人気のあるオンラインショッピングドメインに多様なクエリを生成します。
エージェントの性能をきめ細かな面から評価する自動評価フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-03T13:08:17Z) - On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。
推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。
本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
論文 参考訳（メタデータ） (2025-04-02T17:40:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。