ToolTurns: tolok ukur baru untuk uji agen LLM dalam dialog
Peneliti memperkenalkan ToolTurns, benchmark dengan 2.620 masalah dan 11.004 endpoint API untuk menguji kemampuan agen LLM menangani dialog multi-putaran yang realistis.
Peneliti memperkenalkan ToolTurns, benchmark dengan 2.620 masalah dan 11.004 endpoint API untuk menguji kemampuan agen LLM menangani dialog multi-putaran yang realistis.