T1：面向多轮智能体规划的工具导向对话数据集
计算与语言
2025-10-27 v2 人工智能
摘要
大语言模型（LLMs）已展现出作为能够解决复杂问题的智能智能体的令人印象深刻的能力。然而，在涉及API或工具调用之间依赖关系的场景中，特别是在多轮对话中，进行有效规划仍然是一个重大挑战。为此，我们引入了T1，一个面向工具的、多领域的、多轮对话数据集，专门设计用于捕捉和管理跨不同领域的工具间依赖关系。T1借助集成的短期和长期记忆缓存机制，在九个不同领域（4个单领域和5个多领域）中实现了对智能体协调工具使用能力的严格评估，同时支持动态重规划，例如决定是否重新计算或重用缓存结果。除了促进工具使用和规划研究外，T1还作为评估开源和专有大语言模型性能的基准。我们展示了由T1-Agent驱动的结果，突出了它们在复杂、工具依赖场景中进行规划和推理的能力。
引用
@article{arxiv.2505.16986,
title = {T1: A Tool-Oriented Conversational Dataset for Multi-Turn Agentic Planning},
author = {Amartya Chakraborty and Paresh Dashore and Nadia Bathaee and Anmol Jain and Anirban Das and Shi-Xiong Zhang and Sambit Sahu and Milind Naphade and Genta Indra Winata},
journal= {arXiv preprint arXiv:2505.16986},
year = {2025}
}
备注
Accepted by NeurIPS 2025 Datasets and Benchmarks Track