AgentEval

该数据集提供了一个包含多种环境和任务的框架，旨在支持广泛的实时、单一格式和并发代理探索。此外，它还包含了跨环境的基准测试套件和高质量轨迹。该数据集的任务是研究基于LLM的代理在不同环境中的自我进化。This dataset provides a framework encompassing diverse environments and tasks, aiming to support a wide range of real-time, single-format, and concurrent agent exploration. Furthermore, it includes cross-environment benchmark suites and high-quality trajectories. The core task of this dataset is to investigate the self-evolution of LLM-based agents across various environments.

搜集汇总

背景与挑战

背景概述

AgentEval是一个包含多种环境和任务的框架，支持实时、单一格式和并发代理探索，并提供了跨环境的基准测试套件和高质量轨迹。该数据集旨在研究基于LLM的代理在不同环境中的自我进化能力。