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

[Dataset Request] Add MetaTool (ToolE) — tool selection benchmark (ICLR 2024)

Đang mở
  • Có gì không ổn?
#29 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
52/100
Loại issue
Tính năng
Độ rõ ràng
Khá rõ ràng
Mức độ hoạt động
Ít trao đổi
Lĩnh vực
machine-learning

Hướng nghiên cứu

Bắt đầu bằng cách kiểm tra các điểm vào hiện có trong repository cho việc lập chỉ mục dataset và leaderboard, sau đó xem xét dữ liệu ToolE trong github.com/HowieHwong/MetaTool và HTML arXiv cho các kết quả CSR đã được báo cáo. Kiểm tra pwc-archive/evaluation-tables nếu có. Công việc được xem là hoàn tất khi MetaTool được lập chỉ mục và các kết quả lựa chọn công cụ đã được ghi nhận của nó được thể hiện trong một leaderboard.

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

Mô tả

Hi! I'd like to request indexing the MetaTool benchmark and a leaderboard for the Tool Selection task.

Paper
Dataset
  • Source: github.com/HowieHwong/MetaTool (ToolE dataset)
  • Size: ~21K user queries mapped to ~43 tools
  • Sub-tasks: (1) tool-usage awareness (should a tool be used), (2) tool selection — single-tool and multi-tool
  • Task: Tool Selection
  • Primary metric: CSR — Correct Selection Rate (%) = percentage of correct tool-selection actions
Suggested results to seed the leaderboard

Verified from the arXiv HTML full text (https://arxiv.org/html/2310.03128). Nine LLMs evaluated; GPT-4 was not evaluated on tool selection. Task 1 = selection among similar tools; Task 3 = reliability (recognise when no tool applies). CSR (%):

Model Task 1 (0-shot) Task 1 (5-shot) Task 3 (0-shot) Task 3 (5-shot)
ChatGPT (gpt-3.5-turbo) 69.05 72.94 50.35 78.49
ChatGLM2 54.17 57.44 6.63 15.68
Llama2-7b 45.95 51.12 0.90 2.51
Llama2-13b 44.06 49.85 2.31 5.93
Vicuna-7b 73.46 63.67 1.50 1.81
Vicuna-13b 58.23 63.15 2.51 3.42
Vicuna-33b 53.96 60.54 2.81 3.11
Koala-13b 56.34 60.85 1.70 5.83
Baichuan2 59.12 — 32.26 —

The paper also reports a multi-tool selection table (Task 4) and scenario figures (Task 2, charts only — no extractable numbers). Source: arXiv 2310.03128. Can also be imported from pwc-archive/evaluation-tables if present.

Note

Useful as a tool-selection counterpart to retrieval benchmarks like ToolRet/ToolBench. 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 Machine Learning

Nhận issue mới trong hộp thư của bạn

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