发布 PyBench 数据集, 应用在 编程任务、智能体评估 领域

本次发布的数据集 PyBench, 该数据集是一个涵盖现实世界中五大类编程任务的基准测试，包含了超过10种类型的文件。它要求LLM智能体基于高级用户查询，通过代码解释器进行推理并执行Python代码。此外，该基准测试还考察智能体在规划、多轮交互、利用代码反馈以及生成正式回应方面的能力，突显了除基本编程技能之外，对综合能力的需求。任务旨在评估LLM智能体在现实世界编程任务中的表现。

查看PyBench

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。