环境

模拟真实世界任务的环境，用于训练和评估 LLM 的协作:

• 写作：多个 LLM 智能体协作处理文章。

  • TLDR - 总结 Reddit 帖子。
  • arXiv - 将摘要扩展为引言。

• 编码：协作生成代码，解决编程问题。

  • MBPP - 主要解决基本 Python 问题。
  • HumanEval - 手写评估问题。
  • CoopHumanEval - HumanEval 的合作变体。

• 旅行：在用户约束下，协作规划旅行。

  • TravelPlanner - 规划多日旅行行程。

• 工具使用：在 BFCL v4 上协作调用函数。

  • 原生并行 - 实现并行函数调用。