Alibaba trainiert den Fabriksuch-Agenten von 1688 mit Käuferanfragen nach, und kein Test zählt eine Bestellung
Laut einem Alibaba-Paper trainiert G-CAST, inzwischen in der Einkaufsoberfläche Yuancai von 1688 im Einsatz, den Agenten anhand der täglichen Anfragen der Käufer nach, und zwar unter einem Reward, der selbst überarbeitet wird; die menschliche Prüfung des Rewards schrumpft auf 30 Minuten pro Runde. Keine der definierten Kennzahlen ist eine Bestellung, ein Muster oder eine Reklamation eines Käufers, und die einzige Mitteilung der Seite zu einem Modellwechsel nennt kein Modell.

Neritus Vale
Ein Paper von Alibaba beschreibt, dass der Agent, der auf 1688, Alibabas Großhandelsplattform, Fabriken in die engere Wahl nimmt, mit den täglichen Anfragen der Käufer nachtrainiert und nach einer Regel bewertet wird, die ihrerseits überarbeitet wird. Das Eingabefeld seiner Arbeitsoberfläche Yuancai (源采) schlägt Besuchern eine Anfrage vor: renommierte Fabriken in der Nähe von Zhejiang, die individuelle Sommer-T-Shirts in kleinen Auflagen fertigen und kostenlose Muster schicken. Keine der Kennzahlen, die das Paper definiert, ist eine Bestellung, ein freigegebenes Muster oder eine Reklamation. Eine Yuancai-Shortlist sollte man deshalb behandeln wie das Angebot eines Lieferanten: datieren, ablegen, prüfen.
G-CAST, am 13. November von vier Autoren der Alibaba Group bei arXiv eingereicht, „is now deployed in Yuancai“, heißt es im Paper. Yuancai beschreibt es als ein Agentenprodukt für Geschäftskäufer mit einem allgemeinen Assistenten, einer Schnellsuche und einem wissensgestützten Modus.
In jeder G-CAST-Runde werden ausgewählte Produktionsanfragen durch das jeweils akzeptierte Modell erneut abgespielt, je acht Antworten. Eine Anfrage, deren acht Antworten sämtlich unter dem Referenzwert der Runde liegen, geht ins überwachte Fine-Tuning, sofern eine verifizierte Antwort existiert. Gemischte Ergebnisse gehen ins Reinforcement Learning, und Anfragen, deren Antworten alle über dem Referenzwert liegen, kommen ins Regressionsmonitoring. Ein Kandidat wird erst nach einer „cumulative evaluation“ auf neuen und bereits akzeptierten Aufgaben zum akzeptierten Modell.
Die Bewertungsregel, der Reward des Papers, wird als Code behandelt, der falsch sein kann. Deuten Antworten darauf hin, dass sie falsch beurteilt werden, pausiert das Training, während eine zweite Schleife sie überarbeitet und die neue Regel offline und an einem Audit-Batch testet. Der Agent und die Regel, die ihn trainiert, ändern sich gemeinsam.
Der Reward bewertet größtenteils das Verhalten des Agenten, nicht das, was ein Käufer erhält. Sein Formatterm misst die „compliance with the required output and interaction rules rather than task correctness“, also die Einhaltung der geforderten Ausgabe- und Interaktionsregeln statt der Korrektheit der Aufgabe. Andere Terme bestrafen unbelegte Fakten und Berichte über eine gescheiterte Suche, die mit leeren Händen kommen, und prüfen, ob der Agent die richtige Skill gewählt und befolgt hat. Die Evaluationsversion ergänzt „task-outcome“-Komponenten, die das Paper nicht definiert.
Auch der Test der Datenstrategie im Paper wird anhand dieser Regel bewertet. In Tabelle 3 erreichte das Basismodell, ein FP8-Build von Qwen3-4B-Thinking-2507, auf den gepoolten Testanfragen 0,7331; Tabelle 2 des Papers nennt für dasselbe Basismodell auf dieser Suite 0,6501. Die Tabelle führt den Wert unter „Task Performance“, es bleibt aber der Wert des Rewards. Fine-Tuning mit Beispielen, die nach der Methode des Papers ausgewählt wurden, hob ihn auf 0,7800.
Auf einer Beschaffungsplattform ist die Spalte „Sel. Acc.“ derselben Tabelle leicht misszuverstehen. Sie misst die Genauigkeit der Skill-Auswahl und erfasst, ob „the required skill is correctly selected“: welches Verfahren der Agent aufgerufen hat, nicht, welchen Lieferanten er gewählt hat. Mit der Methode des Papers lag sie bei 73,25 %, ein Wert, der sich nach Angaben der Autoren zwischen den Datenstrategien nur „differs only slightly“, also geringfügig unterscheidet.
Wenn das Abstract neues Verhalten „without sacrificing previously accepted capabilities“ verspricht, also ohne bereits akzeptierte Fähigkeiten zu opfern, dann bedeutet Akzeptanz einen Punktwert, keinen Verkauf. Das kumulative Testset des Papers umfasst 400 Produktionsanfragen, vor dem Training eingefroren und mit dem finalen Reward bewertet. Eine Aufschlüsselung nach Kategorien liefert das Paper nicht, es kann also nicht sagen, wie der Agent bei Bekleidung abschneidet. Auf der Startseite von Yuancai wird dennoch ein Vergleich von Lohnfertigern für nahtlose Unterwäsche vorgeführt (无缝内衣的代工厂对比分析, eigene Übersetzung).
Eine frühere Version des Rewards wurde dabei ertappt, unbelegte Details hoch zu bewerten. Die Prüfung hoch bewerteter Antworten durch die Autoren, ohne Angabe der Stichprobengröße, fand Cluster mit Falsch-Positiv-Raten von 84 % bei missbräuchlicher Nutzung von Suchergebnissen und 82 % bei halluzinierten Entitäten. In beiden rief der Agent ein plausibles Suchwerkzeug auf und lieferte trotzdem „offer identifiers, URLs, prices, or phone numbers unsupported by the returned evidence“, also Angebotskennungen, URLs, Preise oder Telefonnummern, die durch die zurückgelieferten Belege nicht gedeckt waren. Die Antwort darauf war die Grounding-Strafe.
G-CAST spart zudem Zeit bei der Prüfung selbst. Im Einsatz sank der menschliche Aufwand für das Reward-Audit, die menschliche Kontrolle der Regel, von etwa zwei Personentagen auf 30 Minuten pro Runde.
Die „demand-to-acceptance turnaround“, wie es im Paper heißt (die Durchlaufzeit von der Anforderung bis zur Akzeptanz), verkürzte G-CAST von etwa einer Woche auf zwei Tage. Bedeutet Akzeptanz den Livegang, kann sich der Agent, den ein Käufer befragt, binnen Tagen nach einer neuen Art von Anfrage ändern.
Die Gates lehnen durchaus ab. Sie wiesen drei Kandidaten-Checkpoints und zwei vorgeschlagene Reward-Versionen zurück, aus einer Gesamtzahl, die das Paper nicht nennt. Die Fälle seien, heißt es dort, „documented in Appendix E“.
Appendix E fehlt in der am 13. November veröffentlichten Version, die mit dem Literaturverzeichnis endet. Auch Appendix B und die im Text zitierten Anhangstabellen fehlen. Leser sehen, was die Gates durchgelassen haben, und nichts von dem, was sie aufgehalten haben.
Welches Modell den Käufern antwortet, wird ebenfalls nicht genannt. Die Experimente gehen von Qwen3-4B-Thinking-2507 aus, einem Modell mit vier Milliarden Parametern, veröffentlicht vom Qwen-Team. Das Modell, das Yuancais Traffic bedient, nennt das Paper nie, obwohl es von „the deployed model“ spricht. Zu den ausdrücklich genannten Grenzen zählen „one longitudinal production application and one primary model family“.
Die Hinweisseite von Yuancai listet sieben Mitteilungen; die früheste datiert vom 23. März, eine betrifft ein Modell. Am 25. August verkündete ein Banner: „Yuancai has secretly evolved!“ (源采偷偷进化啦!, eigene Übersetzung). Für den allgemeinen Assistenten sei ein neues Modell live gegangen (新模型已上线), hieß es, mit schnelleren, verlässlicheren Antworten. Ein Modell nannte es nicht, eine Version ebenso wenig.
Der Code der Seite zeigt, dass sich ein Modell anzeigen lässt. Er enthält eine Modellauswahl mit der Beschriftung „current model“ (当前模型), die nur erscheint, wenn die Adresse „pre-“ enthält und ein showModelSelect-Flag gesetzt ist. Die Adresse, die Käufer nutzen, cai.1688.com, enthält kein „pre-“.
G-CAST versioniert das Modell, den Reward und die Belege und überlässt es dem Käufer, die Antwort zu versionieren.
Der stärkste Einwand lautet, das sei verantwortungsvolle Wartung. Unangetastet erreichte das ursprüngliche Modell auf den Aufgaben des jüngsten Zeitraums, die Sandbox-, Datei- und Exportwerkzeuge mitbrachten, nur 0,1877 auf dem Basis-Reward; die übrigen Zahlen des Papers nutzen den vollständigen Reward. Gesteuertes Nachtrainieren erspart den Käufern diesen Verfall, und die abgelehnten Modelle zeigen, dass die Gates greifen. Die These scheitert, wenn ein höherer Reward für den Käufer bessere Fabriken bedeutet.
Das Paper testet diesen Zusammenhang nirgends. Seine Grounding-Strafe, der Term, der dem Interesse eines Käufers am nächsten kommt, prüft, ob die Entitäten einer Antwort durch die Anfrage und die Antworten der Werkzeuge belegt sind. Das ist nicht dasselbe, wie dass ein Eintrag stimmt oder eine Fabrik solide ist. Wie schon bei der Behauptung von 1688, KI stoße rund 40 % der Nachfrage an, bei der nie gesagt wurde, wo diese Anfragen endeten, hört die Messung vor der Bestellung auf.
Für eine Marke, die Bekleidung über 1688 beschafft, bleibt als Kostenpunkt eine Ablagearbeit. Nach Darstellung des Banners konnte eine T-Shirt-Anfrage, die vor dem 25. August getippt wurde, und dieselbe Anfrage danach auf unterschiedliche Modelle des allgemeinen Assistenten treffen, und das Banner nannte keines von beiden. 1688 könnte die Modellversion neben jede Antwort drucken: G-CAST versioniert sie, und der Code der Seite definiert bereits einen Aufruf für ihren Namen. Solange das nicht geschieht, ist die Versionshistorie einer Shortlist das, was der Käufer selbst notiert.