Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

[Dataset Request] Add ToolBench (API/tool retrieval) — ToolLLM (ICLR 2024)

Đang mở
  • Có gì không ổn?
#28 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Chưa có ai nhận issue này.

Đánh giá

Độ khó
4/5
Thời gian dự kiến
3-5 ngày
Mức phù hợp với người mới
55/100
Loại issue
Tính năng
Độ rõ ràng
Khá rõ ràng
Mức độ hoạt động
Ít trao đổi
Lĩnh vực
ai, data, search

Hướng nghiên cứu

Bắt đầu với dataset retrieval_toolbench được liên kết, repository ToolBench và Bảng 2 của bài báo ToolLLM được liên kết. So sánh các quy ước hiện có của repository đối với dataset và leaderboard, sau đó thêm benchmark Tool Retrieval với các kết quả I1/I2/I3 NDCG@1 và NDCG@5; được xem là hoàn tất khi dataset và các kết quả được cung cấp sẵn đã được lập chỉ mục mà không bị gộp nhầm với G1/G2/G3.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

Hi! I'd like to request indexing the ToolBench tool-retrieval benchmark and a leaderboard for the Tool Retrieval task.

Paper
Dataset
  • HF (retrieval split): NemoSheng/retrieval_toolbench
  • Size: 451 test queries against a corpus of ~10,400 tool/API descriptions (RapidAPI ecosystem)
  • Settings: I1 (single-tool instructions), I2 (intra-category multi-tool), I3 (intra-collection multi-tool)
  • Task: Tool / API Retrieval
  • Primary metrics: NDCG@1, NDCG@5 (retrieval); the paper's dense API Retriever (Sentence-BERT / BERT-base) is the reference system
Suggested results to seed the leaderboard

Verified verbatim from Table 2 of the paper (NDCG, %; cross-checked against the arXiv HTML and PDF). Note the paper's retrieval table uses I1/I2/I3, not the G1/G2/G3 labels used for the end-to-end solving leaderboard — do not conflate.

Model I1 @1 I1 @5 I2 @1 I2 @5 I3 @1 I3 @5
BM25 18.4 19.7 12.0 11.0 25.2 20.4
OpenAI text-embedding-ada-002 57.5 58.8 36.8 30.7 54.6 46.8
API Retriever (ToolLLM) 84.2 89.7 68.2 77.9 81.7 87.1

Source: arXiv PDF/HTML Table 2 — https://arxiv.org/pdf/2307.16789 . Additional entries can be imported from pwc-archive/evaluation-tables if present.

Note

This retrieval split is widely reused as a tool-retrieval benchmark (also referenced by TR-bench, EMNLP 2024). Thanks!

Ngôn ngữ chính
Không có dữ liệu ngôn ngữ
Star
11
Fork
1
Không có pull request nào được merge trong 30 ngày

Chuẩn bị môi trường

Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của huggingface/paperswithcode-feedback

Tất cả issue của huggingface/paperswithcode-feedback

Issue tương tự

Thêm issue về AI Infra & Agents

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.