ই-কমার্স বেঞ্চ চালু আছে

E-Commerce Bench হলো আলিবাবার Tongyi Qianwen ও Taotian Group-এর যৌথভাবে উন্মুক্ত করা দীর্ঘমেয়াদি ই-কমার্স পরিচালনা মূল্যায়ন বেঞ্চমার্ক। E-Commerce Bench LLM Agent-কে ১ লাখ ইউয়ান মূলধন দিয়ে বাস্তব বাজারের অনুকরণে ৩৬৫ দিন অনলাইন স্টোর পরিচালনা করতে দেয়। এতে পণ্য নির্বাচন, সরবরাহকারীর সঙ্গে আলোচনা, মূল্য নির্ধারণ, মজুত ও নগদপ্রবাহ ব্যবস্থাপনা অন্তর্ভুক্ত। পরিবেশটি বাস্তব প্ল্যাটফর্মের ডেটার ওপর ভিত্তি করে তৈরি; এতে ৫৭৬ জন সরবরাহকারী (প্রতারক সরবরাহকারীসহ), ৮টি প্রচারাভিযান এবং ১০টি বাজার-ঘটনা রয়েছে। নির্ধারিত কোরের মাধ্যমে পুনরুৎপাদনযোগ্যতা নিশ্চিত করে লাভজনকতা, আলোচনা, প্রতারণা প্রতিরোধ, দীর্ঘমেয়াদি শিক্ষা-সহ সাতটি মাত্রায় মডেলের ব্যবসায়িক পরিচালন সক্ষমতা মূল্যায়ন করা হয়।

দীর্ঘমেয়াদি পরিচালনা সিমুলেশন: LLM Agent-কে ১ লাখ ইউয়ান মূলধন দিয়ে পরিবর্তনশীল বাজারে ৩৬৫ দিন অনলাইন স্টোর পরিচালনা করতে দিয়ে বছরের শেষে মোট সম্পদ সর্বাধিক করা।
একাধিক স্টোর পরিচালনা: একই সময়ে সর্বোচ্চ ৪টি, ১২ ধরনের ভিন্ন স্টোর খোলার মাধ্যমে পণ্যের শ্রেণি অনুযায়ী বৈচিত্র্যপূর্ণ বিন্যাস করা।
সরবরাহকারীর সঙ্গে আলোচনা: ৫৭৬ জন সরবরাহকারীর সঙ্গে একাধিক দফায় মূল্য আলোচনা করে কম ক্রয়মূল্য নিশ্চিত করা।
প্রতারণা শনাক্তকরণ: ১৫২ জন প্রতারক সরবরাহকারীর ৫ ধরনের প্রচলিত প্রতারণা শনাক্ত ও এড়ানো (VIP ফি, পণ্য মজুত না থাকা, নিম্নমানের পণ্য, মিথ্যা জরুরি চাপ, ছাড়ের ফাঁদ)।
পরিবর্তনশীল বাজারে প্রতিক্রিয়া: ৮টি প্রচারাভিযান এবং ১০টি আকস্মিক ঘটনা (দুর্যোগ, সরবরাহব্যবস্থায় আঘাত) অনুযায়ী পরিচালন কৌশল সামঞ্জস্য করা।
মজুত ও গুদাম ব্যবস্থাপনা: ৬,৮৮৬টি SKU-এর ক্রয়-বিক্রয় ও মজুত পরিচালনা করা এবং প্রতি ইউনিট, প্রতিদিনের ভিত্তিতে গুদাম খরচ বহন করা।
নগদপ্রবাহ নিয়ন্ত্রণ: তিন-অ্যাকাউন্ট নিষ্পত্তি ব্যবস্থা ও ৯ দিনের বিলম্বিত অর্থপ্রদান সামলে profitable-but-bankrupt (লাভ হলেও দেউলিয়া) পরিস্থিতি এড়ানো।
সাত-মাত্রিক সামগ্রিক মূল্যায়ন: লাভজনকতা, আলোচনা, প্রতারণা প্রতিরোধ, ঋণ পরিশোধ সক্ষমতা, দক্ষতা, বাস্তবায়ন ও দীর্ঘমেয়াদি শিক্ষা, এই সাতটি স্বতন্ত্র মাত্রায় স্কোর দেওয়া।

WeChat-এ অনুসরণ করে “开源” লিখে উত্তর দিন এবং AI ওপেন সোর্স প্রকল্পের আলোচনা গোষ্ঠীতে যোগ দিন
চার-স্তরীয় স্থাপত্য: সিস্টেমটি ওপর থেকে নিচে Agent লুপ স্তর, টুল স্তর, পরিবেশ স্তর ও ডেটা স্তর নিয়ে গঠিত। এর মাধ্যমে সিদ্ধান্ত, বাস্তবায়ন ও পরিবেশের প্রতিক্রিয়ার একটি পূর্ণ চক্র তৈরি হয়।
নির্ধারিত আলোচনা কোর: সরবরাহকারীর সব报价, ছাড় এবং গ্রহণ/প্রত্যাখ্যানের সিদ্ধান্ত একটি স্থির অ্যালগরিদমিক কোর গণনা করে; LLM-এর কাজ কেবল সংখ্যাগত সিদ্ধান্তকে স্বাভাবিক ভাষার সংলাপে রূপ দেওয়া। এতে একাধিক দফায় দরকষাকষির বাস্তব অভিজ্ঞতা বজায় থাকে, আবার স্যাম্পলিংয়ের অনিশ্চয়তাও সম্পূর্ণ দূর হয়। মডেল যেন জেলব্রেক বা প্রতারণার মাধ্যমে খরচের সীমার নিচে মূল্য পেতে না পারে এবং একই কৌশলে ভিন্ন Agent-এর ফল পুনরুৎপাদনযোগ্য থাকে, তা নিশ্চিত করা হয়।
পরিবর্তনশীল অর্থনৈতিক ইঞ্জিন: ব্যবহারকারীর চাহিদা এলোমেলোভাবে স্যাম্পল করা হয় না; পণ্যের শ্রেণির মৌলিক চাহিদা, মূল্য-স্থিতিস্থাপকতা, বাজার-ঘটনা ও স্টোরের সুনামসহ বিভিন্ন উপাদান থেকে তা গণনা করা হয়। কেবল episode seed পুনরুৎপাদনযোগ্য এলোমেলোতাকে নিয়ন্ত্রণ করে।
তিন-অ্যাকাউন্ট নিষ্পত্তি ও নগদপ্রবাহের চাপ: খরচ হওয়ার দিনই ব্যাংক অ্যাকাউন্ট থেকে অর্থ কেটে নেওয়া হয়, কিন্তু বিক্রয়-আয় “শিপমেন্ট → ৯ দিনের প্ল্যাটফর্ম গ্যারান্টি সময় → প্ল্যাটফর্ম ওয়ালেট → ম্যানুয়াল উত্তোলন” ধাপ পেরিয়ে ব্যাংকে ফেরে। এতে ইচ্ছাকৃতভাবে কার্যকরী মূলধনের ঘাটতি তৈরি হয়, ফলে Agent-কে সক্রিয়ভাবে তারল্য পরিচালনা করতে হয় এবং কেবল লাভ দেখে নগদপ্রবাহ উপেক্ষা করার মতো স্বল্পদৃষ্টির আচরণ এড়ানো যায়।
দীর্ঘমেয়াদি শিক্ষা মূল্যায়ন (AnchorRatio): একই পণ্য বারবার কেনার সময় Agent ক্রমশ কম দামে কিনতে পারছে কি না তা পরিমাপ করে। ওই Agent-এর নিজের অতীত报价 এলোমেলোভাবে পুনর্বিন্যাস করে শূন্য অনুমান তৈরি করা হয়; মান ১.০-এর তুলনায় উল্লেখযোগ্যভাবে কম হলে বোঝা যায়, মডেলটি আগের আলোচনার অভিজ্ঞতা থেকে ক্রয় কৌশল ধারাবাহিকভাবে উন্নত করতে পারে।

কোড সংগ্রহ: GitHub থেকে E-Commerce Bench-এর ওপেন সোর্স রিপোজিটরি ক্লোন করে স্থানীয়ভাবে নিন।
পরিবেশ প্রস্তুতি: প্রকল্পের নির্ভরতা ইনস্টল করুন এবং Python রানটাইম পরিবেশ প্রস্তুত করুন।
মডেল সংযুক্তি: কনফিগারেশন ফাইলে মূল্যায়ন করতে চান এমন LLM-এর API Key ও মডেলের নাম লিখুন।
সিমুলেশন শুরু: প্রধান প্রোগ্রাম চালান; Agent স্বয়ংক্রিয়ভাবে ৩৬৫ দিনের ই-কমার্স পরিচালনা পর্ব শুরু করবে।
ফলাফল দেখা: সিমুলেশন শেষ হলে সিস্টেম স্বয়ংক্রিয়ভাবে সাত-মাত্রিক মূল্যায়ন প্রতিবেদন ও সারা বছরের সম্পদ পরিবর্তনের রেখাচিত্র দেখাবে।

দীর্ঘমেয়াদি পরিচালনা মূল্যায়নে অগ্রণী: প্রথমবারের মতো LLM Agent মূল্যায়নকে স্বল্পমেয়াদি কাজ থেকে ৩৬৫ দিনের ধারাবাহিক পরিচালনাসম্পন্ন পরিবর্তনশীল ব্যবসায়িক পরিস্থিতিতে সম্প্রসারিত করেছে।
বাস্তব বাজারের ডেটাভিত্তিক: ৬,৮৮৬টি পণ্য, ৬০টি পণ্যের শ্রেণি ও ৫৭৬ জন সরবরাহকারী, সবই বাস্তব ই-কমার্স প্ল্যাটফর্মের পরিচয়-গোপন করা ডেটা দিয়ে তৈরি।
নির্ধারিত কোরে পুনরুৎপাদনযোগ্যতা: আলোচনার报价 ও বাজারের চাহিদা স্থির অ্যালগরিদমিক কোর দ্বারা গণনা করা হয়; LLM কেবল সংলাপ রেন্ডার করে, ফলে এলোমেলো স্যাম্পলিংয়ের শব্দ সম্পূর্ণ দূর হয়।
সাত-মাত্রিক পূর্ণাঙ্গ মূল্যায়ন ব্যবস্থা: বছরের শেষে সম্পদের পরিমাণের পাশাপাশি আলোচনা, প্রতারণা প্রতিরোধ, নগদপ্রবাহ, দক্ষতা, বাস্তবায়ন ও দীর্ঘমেয়াদি শিক্ষার সক্ষমতাও পৃথকভাবে মূল্যায়ন করা হয়।
বাস্তব ব্যবসায়িক চাপের সিমুলেশন: তিন-অ্যাকাউন্ট বিলম্বিত নিষ্পত্তি ও দৈনিক গুদাম ফি Agent-কে কেবল হিসাবের লাভ নয়, কার্যকরী মূলধনও পরিচালনা করতে বাধ্য করে।
প্রতারণা প্রতিরোধের সক্ষমতা পরিমাপ: ১৫২ জন প্রতারক সরবরাহকারী ও ৫ ধরনের প্রচলিত প্রতারণা অন্তর্ভুক্ত থাকায় মডেলের ঝুঁকি শনাক্তকরণ ও অর্থ সুরক্ষার সক্ষমতা নির্ভুলভাবে মাপা যায়।

প্রকল্পের ওয়েবসাইট: https://ecbench.github.io/
GitHub রিপোজিটরি: https://github.com/QwenLM/E-CommerceBench
arXiv প্রযুক্তিগত গবেষণাপত্র: https://arxiv.org/pdf/2608.30730

বৃহৎ ভাষা মডেলের ব্যবসায়িক সক্ষমতা মূল্যায়ন: GPT, Claude, Qwen-এর মতো অগ্রণী মডেলগুলোর দীর্ঘমেয়াদি পরিচালন সক্ষমতার মানসম্মত তুলনা করা।
ই-কমার্স Agent কৌশল উন্নয়ন: রিইনফোর্সমেন্ট লার্নিং ও Agent স্থাপত্যের প্রশিক্ষণ স্যান্ডবক্স হিসেবে মূল্য নির্ধারণ, ক্রয় ও মজুত কৌশল দ্রুত যাচাই করা।
সরবরাহব্যবস্থার ঝুঁকি নিয়ন্ত্রণ অ্যালগরিদম গবেষণা: প্রতারক সরবরাহকারী-সমৃদ্ধ সিমুলেশন পরিবেশে সরবরাহকারী বাছাই ও ঝুঁকি শনাক্তকরণ মডেল পরীক্ষা এবং উন্নত করা।
পরিবর্তনশীল মূল্য নির্ধারণ অ্যালগরিদম যাচাই: বাস্তব মূল্য-স্থিতিস্থাপকতার ডেটা ব্যবহার করে প্রচারাভিযান ও ঋতুভিত্তিক ওঠানামায় বিভিন্ন মূল্য নির্ধারণ কৌশলের আয় যাচাই করা।
ব্যবসায়িক সিদ্ধান্ত সিমুলেশন প্রশিক্ষণ: ব্যবসায়িক বিদ্যালয় বা প্রতিষ্ঠানের অভ্যন্তরীণ পরিচালনা সিমুলেটর হিসেবে নগদপ্রবাহের চাপ ও বাজারের অনিশ্চয়তার মধ্যে পরিচালকদের সিদ্ধান্ত নেওয়ার সক্ষমতা প্রশিক্ষণ দেওয়া।