AI Agent Reasoning: 250+ Microsoft P3 Puzzles

kaggle2026-03-10 更新2026-03-21 收录

人工智能推理

问题求解

数据链接：

https://www.kaggle.com/datasets/amanatar/ai-agent-reasoning-traces-250-microsoft-p3 数据链接链接失效反馈

官方服务：

资源简介：

Live Terminal & Algorithmic Process Traces from an Autonomous Setup

源自自主部署环境的实时终端与算法进程追踪数据

创建时间：

2026-03-09

A-OKVQA

视觉问答

人工智能推理

A-OKVQA是一个由艾伦人工智能研究所创建的大规模视觉问答数据集，包含约25,000个问题，这些问题需要广泛的世界知识和常识来回答。与现有的知识基础VQA数据集不同，A-OKVQA中的问题不能仅通过查询知识库来回答，而是需要对图像中描绘的场景进行某种形式的常识推理。数据集不仅扩展了代理所需知识的多样性，还增加了回答问题所需的推理系统的复杂性。A-OKVQA旨在推动视觉和语言模型的推理能力，通过提

arXiv2022-06-04 更新3040

Blocksworld and Standard PDDL Domains

人工智能规划

问题求解

该数据集涵盖了包括Blocksworld中清除障碍物和堆叠两个方块等简单目标的问题，同时也包含了Gripper、Spanner、Miconic和Visitall等标准的PDDL领域问题。实验是在配备Intel i7-8700 CPU和16GB内存限制的条件下进行的。该实现采用了Open-WBO加权最大SAT求解器。该数据集规模宏大，涵盖了不同领域中的多个规划问题，任务旨在实现广义规划。

arXiv570

REBUS

多模态学习

人工智能推理

REBUS数据集由卡文迪什实验室创建，包含333个手工制作的基于图像的字谜，涵盖13个不同类别，如电影、作曲家、主要城市和食物等。数据集旨在评估多模态大型语言模型在解决图像基础字谜的能力，涉及图像识别、多步骤推理和人类认知理解。数据集的创建过程涉及多个贡献者的手工绘制和数字图像创作。REBUS数据集主要应用于测试和改进多模态大型语言模型的推理能力，特别是在新领域和未经验证的推理任务中。

arXiv2024-01-11 更新410

ToolMind

人工智能推理

工具使用

ToolMind是一个大型的开源工具使用数据集，包含推理轨迹，旨在提高代理型大型语言模型的推理和工具调用能力。该数据集通过图采样的方式合成超过160k的回合，涉及超过20k的工具。数据集通过将功能组织为图结构中的节点，采样图上的路径来构建复杂高质量的用户意图，并通过多智能体方式合成轨迹。每个轨迹回合都通过思考模型进行推理回答和正确性过滤，只保留正确且有价值的回合。在Tau-bench、Tau2-b

Hugging Face2025-10-23 更新1050

Decrypto Benchmark

自然语言处理

人工智能推理

Decrypto是一个基于语言游戏的多人推理和心智理论（ToM）基准，由FAIR at Meta和牛津大学的研究人员开发。该数据集基于Scorpion Masqué公司发布的同名桌面游戏，旨在通过多人互动游戏来评估大型语言模型在推理和ToM方面的能力。数据集包含680个可能的关键词，超过8.8亿种可能的组合，以及无限数量的游戏可能性，因为提示的选择是开放式的，可以依赖于任何公开可用的信息。该数据集

arXiv2025-06-26 更新460

AI Agent Reasoning: 250+ Microsoft P3 Puzzles

资源简介：

相关数据集