zzdcn/SkillTab-Bench

SkillTab-Bench とは？

SkillTab-Benchは、マルチターンの産業用テーブル分析タスクにおいて、スキル駆動型エージェントの性能を評価するためのベンチマークです。このリポジトリは、対応する論文のコードを提供し、エージェントが複雑なテーブルデータを分析・操作する能力を測定するための標準化されたテストスイートを実装しています。主にAIエージェント開発者や研究者を対象としており、エージェントの推論、計画、ツール使用のスキルを定量的に評価することが可能です。リポジトリには、ベンチマークデータセット、評価スクリプト、およびエージェント実装のサンプルが含まれており、ユーザーは自身のエージェントを簡単にテストできます。