Датасет · ServiceNow-AI
Бенчмарк enterprise-агентов
ServiceNow-AI/EnterpriseOps-Gym
Симулятор-бенчмарк для оценки LLM-агентов в многошаговых enterprise-задачах с инструментами.
Что внутри
EnterpriseOps-Gym — контейнеризованный сбрасываемый симулятор для оценки LLM-агентов на многошаговых enterprise-задачах с инструментами. Карточка описывает его как крупный бенчмарк для stateful agentic planning и tool use. В метаданных указан размер 1K<n<10K; язык не указан.
Что можно сделать
- Оценка planning у LLM-агентов
- Тестирование tool use
- Сравнение stateful-агентов
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 12,4 тыс.
- Лайков
- 99
Как загрузить
from datasets import load_dataset
ds = load_dataset("ServiceNow-AI/EnterpriseOps-Gym")