К содержимому

Датасет · internlm

Бенчмарк агентов WildClawBench

internlm/WildClawBench

60 практических задач для проверки AI-агентов в живой среде OpenClaw.

Что внутри

Датасет содержит бенчмарк из 60 оригинальных задач для AI-агентов, которые выполняются end-to-end в live-среде OpenClaw — открытого персонального ассистента. Задачи практические: например, нарезка голов футбольного матча и согласование встреч в многораундовом диалоге. Языки — английский и китайский; размер меньше 1K.

Что можно сделать

  • Оценка агентных LLM на end-to-end задачах
  • Проверка планирования и работы с инструментами
  • Сравнение агентов в сценариях OpenClaw
Задачи
Вопросы по картинкам, Картинка + текст, Вопрос-ответ
Языки
Английский, Китайский
Размер
до 1K записей
Скачиваний за месяц
11,5 тыс.
Лайков
73

Как загрузить

from datasets import load_dataset

ds = load_dataset("internlm/WildClawBench")