ToolQA

ToolQA

评估工具增强型大语言模型的开源数据集

ToolQA是一个开源数据集,专门用于评估工具增强型大语言模型。数据集涵盖8个领域,包含需要综合使用多个工具解答的问题,分为简单和困难两个级别。ToolQA通过人机协作创建,提供了数据统计、下载链接、工具实现和基准代码,为研究人员评估和改进大语言模型的外部工具使用能力提供全面资源。

ToolQA大语言模型数据集工具增强评估基准Github开源项目
<div align="center"> <h1> 🛠️ToolQA</h1> </div>

🛠️ ToolQA数据集的官方代码和数据仓库。ToolQA是一个专门设计用于评估工具增强型大语言模型(LLMs)的开源数据集。本仓库提供了数据集、相应的数据生成代码,以及在我们数据集上的基线实现。

特点

  • 我们精选的问题保证了大语言模型几乎不可能凭借内部知识记忆并正确回答
  • ToolQA中的大多数问题需要组合使用多个工具。根据工具链的长度,我们提供了两种不同难度级别的数据集:简单困难
  • 我们在论文中对上下文工具增强型大语言模型进行了全面的诊断和分析
  • ToolQA是通过人工智能与人类协作创建的,可以自动适应新的数据和问题。
<p align="center"> <img width="800" src="./figure/overview.png" > </p>

数据集统计

ToolQA包含来自8个不同领域的数据,每个实例都是一个元组——(问题、答案、参考语料库和工具)。参考语料库是可查询的外部知识源,可以是文本语料库、表格数据库或图形。

上下文主题知识格式知识规模简单模板数简单问题数困难模板数困难问题数
时间性航班表格数据库40783181010010100
时间性咖啡表格数据库5746810013130
空间性Yelp表格数据库1503461110010100
空间性Airbnb表格数据库1025991010010100
数学性GSM8K专业能力--100--
社交性DBLP图形5533201010010100
科学性SciREX纯文本语料库43811004100
个人性日程纯文本语料库1000051005100
总计---5580062730

数据下载

我们为ToolQA涉及的所有数据提供下载链接。我们提供两类数据供下载和使用。第一类是外部语料库。这类数据已经由我们预处理,用于外部工具交互(例如检索、数据库操作等)。第二类数据是原始数据,不能作为ToolQA的外部知识进行交互。我们提供这部分数据仅供用户生成更多问题和答案,用于模型调优或全面评估。

外部语料库下载

外部语料库可以通过此链接下载。下载并解压后,用户需要将其放置在/<YOUR_OWN_PATH>/ToolQA/data/external_corpus/目录下。

原始数据下载

以下列出了所有数据源和下载指南:

  • 航班:您可以从下载链接下载原始航班数据。请将"Combined_Flights_2022.csv"文件放在"/<YOUR_OWN_PATH>/ToolQA/data/raw_data/flights/"目录下。
  • 咖啡:您可以从下载链接下载原始咖啡数据。请将"coffee.csv"文件放在"/<YOUR_OWN_PATH>/ToolQA/data/raw_data/coffee/"目录下。
  • Yelp:您可以从下载链接下载原始Yelp数据。请将"yelp_academic_dataset_business.json"文件放在"/<YOUR_OWN_PATH>/ToolQA/data/raw_data/yelp/"目录下。
  • Airbnb:您可以从下载链接下载原始Airbnb数据。请将"Airbnb_Open_data.csv"文件放在"/<YOUR_OWN_PATH>/ToolQA/data/raw_data/airbnb/"目录下。
  • DBLP:您可以从下载链接下载原始DBLP数据。请将"DBLP-Citation-network V14.zip"文件放在"/<YOUR_OWN_PATH>/ToolQA/data/raw_data/dblp/"目录下。
  • GSM8K:您可以从下载链接下载原始GSM8K数据。请在原始问题上运行ChatGPT vanilla,并将结果文件"gsm.chat.jsonl"放在"/<YOUR_OWN_PATH>/ToolQA/data/raw_data/gsm8k/"目录下。
  • SciREX:您可以从下载链接下载原始SciREX数据。请将数据集文件"train.jsonl"、"val.jsonl"和"test.jsonl"放在"/<YOUR_OWN_PATH>/ToolQA/data/raw_data/scirex/"目录下。
  • 日程:您可以从我们准备的下载链接下载原始数据。请将"agenda_events.jsonl"文件放在"/<YOUR_OWN_PATH>/ToolQA/data/raw_data/agenda/"目录下。

生成新问题

您还可以使用ToolQA在我们的模板下生成新问题,用于调优和新的评估集。我们在"/dataset_generation/"目录中提供了数据生成代码。您只需修改笔记本中的路径即可。

工具实现

我们在基准测试的每个基线中提供了一系列已实现的工具,如"./benchmark/ReAct/code/tools"。请注意,这些问题是有意设计成开放式的。这反映了我们的信念,即这些问题已经具有足够的挑战性,我们不希望限制论文中建议的工具。我们欢迎使用更高级的工具(如更优秀的检索器)进行实验以提高性能,或设计更有效的规划模块以更好地组合使用我们定义的工具。因此,我们很期待看到针对所有问题的多样化实现。

检索器

我们使用Langchain包和Chroma向量数据库实现了检索器。我们已经在下载链接上传了预处理的chroma向量库。请将文件下载到"/<YOUR_OWN_PATH>/ToolQA/data/chroma_db/"目录下。

SQL解释器

要解释SQL命令,用户可能需要先将数据库加载到mysql数据库中。您可以运行以下命令来创建数据库(整个过程可能需要数小时):

python ./benchmark/ReAct/code/tools/table/mysql_db_create.py

数学计算器

要在实现中使用计算器,您首先需要通过官方Wolframalpha开发者门户注册一个账户。

当前进展

数据和代码正处于最后的清理阶段,将在很短的时间内逐步公开。我们在TODO列表部分提供了最终审查的详细进展。

开源进展

  • 发布所有简单和困难问题;
  • 工具实现;
  • 所有基准代码发布;
  • 更新基准代码。

问题?

如果您有任何问题,请随时联系"yczhuang at gatech.edu"。请尽量详细说明问题,以便我们能更好更快地帮助您!

引用

如果您发现这个仓库对您的研究有价值,我们恳请您通过引用以下论文来认可我们的工作。我们感谢您的考虑。

@misc{zhuang2023toolqa,
      title={ToolQA: A Dataset for LLM Question Answering with External Tools}, 
      author={Yuchen Zhuang and Yue Yu and Kuan Wang and Haotian Sun and Chao Zhang},
      year={2023},
      eprint={2306.13304},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多