Датасет · Qwen
Бенчмарк DeepPlanning для агентов
Qwen/DeepPlanning
Задачи многодневного планирования поездок и покупок с проверяемыми ограничениями для оценки LLM-агентов.
Что внутри
Текстовый бенчмарк DeepPlanningBench на английском и китайском, от 1 до 10 тыс. примеров. Включает реалистичные задачи многодневного планирования путешествий и покупки нескольких товаров. Для них нужны проактивный сбор информации, локальные и глобальные ограничения.
Что можно сделать
- Оценить LLM-агента на многодневном планировании поездок.
- Проверить соблюдение проверяемых ограничений в задачах покупок.
- Сравнить модели на бенчмарке агентного планирования.
- Задачи
- Генерация текста
- Языки
- Английский, Китайский
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 8,5 тыс.
- Лайков
- 225
Модели, обученные на нём
- Tesleum/shirdel-coder-9b-claude-fable-5Генерация текста 957
- CyberSociety/HummanAIКлассификация текста 74
- Menoviar28/menov97 0
- Menoviar28/menov102 0
- YuriBertola/AnalyzerTablesВопросы по таблицам 0
- Alga2025/jhjhhjjgjhgjhg 0
- Felipe2231/canario-amarelo-prod-finalТекст → видео 0
- anayochidera/lordchidezcoРазметка токенов 0
Как загрузить
from datasets import load_dataset
ds = load_dataset("Qwen/DeepPlanning")