HowToDIV

HowToDIV数据集是一个大规模的多轮对话数据集，包含507个对话，6636个问答对和24小时的视频剪辑，涵盖了烹饪、机械和种植等多样化的任务。数据集由一个专家和一个新手用户之间的真实对话组成，其中专家一步一步地教授用户如何完成任务。每个对话都伴随着用户视角的视频剪辑，以及每段对话的指令步骤。数据集旨在解决现实世界中任务辅助的需求，为AI代理提供语言视觉模型和代理，以帮助用户完成复杂的、多步骤的任务。