ALFWorld

Определение

Бенчмарк для оценки агентов в симулированном домашнем окружении с длинными горизонтами задач (100+ шагов).

Где встречается

• 874. Как оценивать multi-step agents (не только final answer)
• 800+ вопросов

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление