hbx/IN3-interaction
收藏Hugging Face2024-02-20 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/hbx/IN3-interaction
下载链接
链接失效反馈官方服务：
资源简介：
IN3_interaction数据集旨在通过明确的任务模糊性判断和用户意图理解来测试代理的交互能力。该数据集用于构建对话记录，训练Mistral-Interact模型，该模型能够判断用户指令的模糊性，主动查询缺失的细节，并明确总结用户的详细意图。Mistral-Interact模型在理解用户判断、综合用户意图和增强模型与用户交互体验方面表现出色，并且在模糊性判断、总结的全面性和交互的友好性方面与闭源的GPT-4模型相当。
IN3_interaction数据集旨在通过明确的任务模糊性判断和用户意图理解来测试代理的交互能力。该数据集用于构建对话记录，训练Mistral-Interact模型，该模型能够判断用户指令的模糊性，主动查询缺失的细节，并明确总结用户的详细意图。Mistral-Interact模型在理解用户判断、综合用户意图和增强模型与用户交互体验方面表现出色，并且在模糊性判断、总结的全面性和交互的友好性方面与闭源的GPT-4模型相当。
提供机构：
hbx
原始信息汇总
数据集卡片 for IN3_interaction
数据集概述
- 数据集名称: IN3_interaction
- 语言: 英语
- 许可证: Apache-2.0
数据集构建
- 构建目的: 测试代理的交互能力，通过明确的任务模糊判断和用户意图理解。
- 构建方法: 应用IN3构建对话记录进行训练。
模型应用
- 模型名称: Mistral-Interact
- 模型特点:
- 更好的用户判断理解: 在所有开源模型中，Mistral-Interact在预测任务模糊性和用户认为必要的缺失细节方面表现最佳。
- 用户意图的全面总结: Mistral-Interact能够根据详细的用户意图做出明确且全面的总结。
- 增强的模型-用户交互体验: Mistral-Interact比其他开源模型更合理和友好地询问模糊任务中的缺失细节，从而促进对用户隐含意图的更清晰理解。
- 与闭源GPT-4相当的性能: 证明了较小规模的模型专家可以在模糊判断、总结的全面性和交互友好性等方面接近甚至超过通用的大型模型。
引用
- 论文标题: Tell Me More! Towards Implicit User Intention Understanding of Language Model Driven Agents
- 作者: Cheng Qian, Bingxiang He, Zhong Zhuang, Jia Deng, Yujia Qin, Xin Cong, Zhong Zhang, Jie Zhou, Yankai Lin, Zhiyuan Liu, Maosong Sun
- 期刊: arXiv preprint arXiv:2402.09205
- 年份: 2024
