Intelligent-Internet/ii-agent_gaia-benchmark_validation
收藏数据链接：
官方服务：
资源简介：
该数据集包含任务ID、问题、难度等级、文件名、标注者元数据（包括完成任务所需时间、步骤数、工具数、步骤详情、工具详情）、执行轨迹、预测结果、最终答案和判断结果等字段。数据集分为训练集，共有165个样本，总大小为约477MB。
The dataset includes fields such as task ID, question, difficulty level, file name, annotator metadata (including time to complete task, number of steps, number of tools, step details, tool details), execution trace, prediction results, final answer, and judgment results. The dataset is split into a training set with a total of 165 samples, with a total size of approximately 477MB.
提供机构：
Intelligent-Internet搜集汇总
数据集介绍
背景与挑战
背景概述
该数据集是GAIA基准的验证集，用于评估智能代理在复杂、多步骤问题解答任务上的性能。它包含165个文本格式的问题，每个问题附带详细的工具调用轨迹、预测结果和最终答案，覆盖科学、金融、历史等多个领域，难度分为三个级别。数据集提供了丰富的元数据，如任务执行时间和步骤数，支持对代理行为进行深入分析。
以上内容由遇见数据集搜集并总结生成
