Датасет · mercor
APEX-Agents: бенчмарк AI-агентов
mercor/apex-agents
480 задач от банкиров, консультантов и юристов для проверки AI-агентов в кросс-приложенческих сценариях.
Что внутри
Бенчмарк APEX–Agents от Mercor на английском, менее 1 тыс. задач (480 всего). Задачи созданы аналитиками инвестбанков, консультантами и корпоративными юристами и требуют работы с документами, таблицами, PDF, почтой, чатом и календарём в реалистичных средах. Включает 33 мира: 10 для банкинга, 11 для консалтинга и 12 для юристов.
Что можно сделать
- Оценить AI-агента на длинных кросс-приложенческих задачах.
- Проверить работу с документами, таблицами, PDF и почтой.
- Сравнить агентов в сценариях банкинга, консалтинга и права.
- Языки
- Английский
- Размер
- до 1K записей
- Скачиваний за месяц
- 199,7 тыс.
- Лайков
- 222
- Доступ
- по запросу на Hugging Face
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("mercor/apex-agents")