К содержимому

Датасет · EverMind-AI

Бенчмарк самообучения ИИ-агентов на прошлом опыте

EverMind-AI/EvoAgentBench

Набор задач для оценки способности ИИ-агентов эволюционировать и переиспользовать накопленный опыт.

Что внутри

Текстовые и табличные данные (менее 1000 записей) на английском языке, принятые на конференцию EMNLP 2026. Датасет разделён на стандартизированные train- и test-выборки по пяти разным доменам, включая информационный поиск на базе BrowseComp-Plus.

Что можно сделать

  • Тестирование методов извлечения навыков и памяти у автономных ИИ-агентов
  • Воспроизводимое сравнение алгоритмов самообучения (self-evolution) агентов
Задачи
Генерация текста, Вопрос-ответ
Языки
Английский
Размер
до 1K записей
Скачиваний за месяц
707
Лайков
20

Как загрузить

from datasets import load_dataset

ds = load_dataset("EverMind-AI/EvoAgentBench")