SkillsBench Agent Skill Lift — Static Skills

kaggle2026-07-13 更新2026-08-19 收录

智能体技能评估

技能提升度量

数据链接：

https://www.kaggle.com/datasets/workingwithdata/skillsbench-agent-skill-lift-static-skills 数据链接链接失效反馈

官方服务：

资源简介：

Nine deterministic agent skills, each measured to positive paired lift

九项确定性AI智能体（AI Agent）技能，每项均经评估获得正向配对提升效果

创建时间：

2026-07-13

SPADE-Environments-ToolUse

多轮工具调用智能体

智能体技能评估

该数据集包含由 SPADE 设计器在训练过程中生成的多轮工具使用环境，汇总自 7 次不同运行，涵盖 30B-A3B 和 4B 两种模型规模，共计 2,231 个环境。每个环境对应一个 Python 文件，按源运行和技能进行分类。技能类型包括 API 编排（479 个）、状态修改（389 个）、数据检索（388 个）、错误恢复（375 个）、工具选择（298 个）、多步工作流（286 个）以及未标记

Hugging Face2026-08-20 更新60

neo4j/aip-skillbench-cohort-ab-sonnet-aipv0_3a2

智能体技能评估

AIP编译验证

AIP-SkillBench — 16任务组合队列（Sonnet, AIP v0.3a2）是一个用于评估两种技能格式在相同任务上性能的数据集。具体来说，它比较了人类编写的原始技能（human-curated）和基于AIP规范v0.3a2编译的AIP技能（aip-from-curated）。数据集包含两个平衡的8任务队列（A和B），每个任务×模式进行了5次独立试验，总计160次运行。评估使用clau

Hugging Face2026-06-01 更新10

neo4j/aip-skillbench-24task-sonnet-aipv0_3a3

智能体技能评估

基准测试

AIP-SkillBench数据集是一个用于评估两种技能格式在相同任务上性能的原始评估运行数据。具体来说，它进行了头对头比较：一种是human-curated，即任务原始的人类编写技能（散文形式）；另一种是aip-from-curated，即将相同的人类技能编译成AIP（一种模式验证的执行图表示）。数据集包含24个任务的分层样本，分为三个平衡的8任务队列（A、B、C）。每个任务×模式运行5次独立试

Hugging Face2026-06-01 更新20

neo4j/aip-skillbench-3med-sonnet-aipv0_3a2

智能体技能评估

AI任务执行基准测试

AIP-SkillBench数据集包含3个中等难度任务的评估运行数据，这些任务是从SkillsBench中随机抽样的。该数据集评估了三种技能格式在同一任务上的表现：human-curated（人类编写的原始技能）、aip-from-curated（将人类技能编译为AIP格式，即经过模式验证的执行图表示）和aip-from-instruction（仅从任务指令编写的AIP技能，无人类技能参与）。每个

Hugging Face2026-06-01 更新00

SkillsBench Agent Skill Lift — Static Skills

资源简介：

相关数据集