为什么重要
专注评测 Agent 使用搜索引擎、计算器等外部工具完成复杂信息检索任务的能力。
返回评测
Agent Agent-工具调用 未饱和
模态 · 文本
任务 · 执行验证
ToolBench-Retrieval
GAIA 基准中需要多步检索和工具使用的子集
Multiple ·
考察能力
信息检索 多步推理 工具使用
构建信息
- 数据规模
- 500+ 任务
- 评测方式
- 任务完成评测
- 核心指标
- Accuracy
资源链接
模型效果排行
🥇 GPT-4o + tools
48.3%
🥈 Claude 3.5 Sonnet + tools
45.1%
Agent 检索 工具使用 多步推理