ToolBench

该数据集包含了一系列工具使用环境，其中涵盖了广阔的动作空间，大量的功能工具以及需要深入解决方案路径的复杂任务。此外，ToolBench评估了基于大型语言模型的代理在利用API函数调用导航广阔动作空间时的性能。任务涵盖了包括房屋搜索、行程预订、谷歌表格以及虚拟家庭在内的工具使用场景。

搜集汇总

背景与挑战

背景概述

ToolBench是一个专注于工具使用环境的数据集，包含广阔的动作空间、大量功能工具和复杂任务，用于评估基于大型语言模型的代理在API函数调用中的性能。其任务覆盖多种场景，如房屋搜索、行程预订、谷歌表格和虚拟家庭，旨在测试代理在复杂工具交互中的能力。