Датасет · ArtificialAnalysis
Публичный пример для оценки офисных ИИ-агентов
ArtificialAnalysis/AA-Briefcase-Lite
Открытый сценарий от Artificial Analysis для проверки работы ИИ-агентов над сложными рабочими задачами.
Что внутри
Это публичный демонстрационный сценарий из бенчмарка AA-Briefcase, включающий документы и тексты на английском языке (менее 1 тысячи записей). Оригинальный закрытый тест состоит из четырёх сценариев, имитирующих длительную работу специалистов над реальными рабочими артефактами, включая задачи по анализу данных. Здесь выложен открытый пример такого рабочего процесса.
Что можно сделать
- Знакомство с форматом оценки автономных ИИ-агентов от Artificial Analysis
- Тестирование агентских пайплайнов на многошаговых задачах с документами
- Задачи
- Другое
- Языки
- Английский
- Размер
- до 1K записей
- Скачиваний за месяц
- 5,8 тыс.
- Лайков
- 16
Как загрузить
from datasets import load_dataset
ds = load_dataset("ArtificialAnalysis/AA-Briefcase-Lite")