发布 StableToolBench 数据集, 应用在 人工智能评估、自然语言处理 领域

本次发布的数据集 StableToolBench, 该数据集名为StableToolBench，是从ToolBench衍生出的评估数据集，旨在评估大型语言模型（LLMs）的工具学习能力。为了解决实时API可能带来的不稳定问题，该数据集还额外引入了缓存系统和API模拟器。此外，该数据集引入了两个关键指标：可解决通过率（SoPR）和可解决胜率（SoWR），以评估LLMs的表现。根据工具类别和场景，该数据集分为六个评估子集，用于大型语言模型的工具学习和评估任务。

查看StableToolBench

README 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。