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")