ECエージェントベンチマーク WebMallをClaudeで検証

Zenn LLM ・ 2026-08-06

原題: ECエージェントベンチマークWebMallを動かしてみた

AI による要約

SIGIR 2026で発表されたECエージェントベンチマーク WebMallをClaude-sonnet-5で検証した。全91タスクのうち完全達成は19タスク（20.9%）に留まり、商品比較タスクで顕著な失敗が見られた。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（Zenn LLM）をご確認ください。