上一篇
OuteTTS是什么？一文让你看懂OuteTTS的技术原理、主要功能、应用场景
GTA是什么？一文让你看懂GTA的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
GTA概述简介
GTA（a benchmark for General Tool Agents）是上海交通大学和上海AI实验室一起推出的基准测试，评估大型语言大模型（LLMs）在真实世界场景中调用工具的能力。GTA基于提供真实的用户问题、真实部署的工具和多模态输入输出，建立一个全面、细粒度的评估框架，有效衡量LLMs在复杂场景下的工具使用能力。GTA包含229个人类设计的问题，覆盖感知、操作、逻辑和创造力等多个类别，要求模型推理合适的工具，规划操作步骤，解决现实世界中的复杂任务。
GTA的功能特色
真实用户查询：包含229个人类编写的问题，问题具有简单的现实世界目标，但解决步骤和所需工具是隐含的，要求LLM基于推理选择合适的工具、规划操作步骤。
真实部署的工具：GTA提供一个评估平台，部署涵盖感知、操作、逻辑和创造力四大类别的14种工具，评估代理的实际任务执行性能。
多模态输入输出：GTA引入空间场景、网页截图、表格、代码片段、手写/打印材料等多模态输入，要求模型处理丰富的上下文信息，给出文本或图像输出。
细粒度评估：GTA设计细粒度的评估指标，包括指令遵循准确率（InstAcc）、工具选择准确率（ToolAcc）、参数预测准确率（ArgAcc）和答案总结准确率（SummAcc），及最终答案准确率（AnsAcc）。
模型评测：GTA在逐步模式（step-by-step mode）和端到端模式（end-to-end mode）下评估语言大模型，提供对模型工具使用能力的全面评估。
GTA的技术原理
数据集构建：GTA的数据集构建包括问题构建和工具链构建两个步骤。问题由专家设计样例和标注文档，由标注人员基于样例设计更多的问题。工具链由标注人员手动调用部署好的工具构建，确保每个问题都能用提供的工具解决。
工具调用：GTA用ReAct风格的提示模板，让LLM用特定的格式调用工具，处理工具返回的结果。模板支持LLM进行推理和规划，决定何时及如何调用工具。
多模态处理：GTA要求LLM处理和理解多模态输入，包括图像、文本等，要求模型具备跨模态的理解和推理能力。
细粒度评估指标：GTA设计的评估指标覆盖工具调用的整个过程，从LLM的工具调用过程到执行结果，提供对模型性能的全面评估。
模型比较：基于比较不同模型在GTA上的表现，揭示现有模型在处理真实世界问题时面临的工具使用瓶颈，为未来的通用工具智能体提供改进方向。
GTA项目介绍
项目官网：open-compass.github.io/GTA
GitHub仓库：https://github.com/open-compass/GTA
HuggingFace模型库：https://huggingface.co/datasets/Jize1/GTA
arXiv技术论文：https://arxiv.org/pdf/2407.08713
GTA能做什么？
智能助理开发：GTA评估和训练智能助理，让其更好地理解和执行复杂的用户请求，涉及多步骤和多种工具的调用。
多模态交互：在需要处理图像、文本和其他多媒体内容的场景中，GTA帮助模型学习如何结合多种输入类型解决问题。
自动化客户服务：GTA用在开发自动解决客户问题的系统，系统需要调用不同的工具和资源提供准确的答案和解决方案。
教育和培训：GTA作为教育工具，帮助学生理解如何设计和实现复杂的任务，任务需要多步骤推理和工具使用。
研究和开发：开发人员用GTA测试和比较不同的LLMs，探索工具使用能力的新方法，推动AI技术的发展。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
f ms startup game
首次将您从想法到第一客户及以后的企业家。从AI联合创始人那里获得帮助，并在没有任何风险的情况下建立创业公司。...
Dealight
Dealight是一个利用人工智能驱动的实时洞察力来完善您的演示文稿，并将您与真正对您的业务感兴趣的投资者联系起来的平台。通过使用我们先进的人工智能技...
AI Diary
AI Diary是一款由人工智能驱动的日记应用，提供日常写作的乐趣和洞察力。通过AI功能，增强你的写作能力，提升心情。AI Diary帮助你进行个人成...
acdsee
Acdsee是数字资产管理和照片编辑超过30年的行业领导者，现在提供了AI驱动的文件管理和照片编辑。 ACDSEE利用AI关键字，AI天空替换和AI选...
a1 art
使用A1.Art -Ultimate AI艺术站来提升您的艺术。 A1.ART平台允许轻松地创建AI艺术应用程序，将AI的力量掌握在每个人的手中。探索...
HOMIEtele
HOMIE 是一种创新的人形机器人遥操作解决方案，旨在通过强化学习和低成本的外骨骼硬件系统，实现精准的行走与操作任务。该技术的重要性在于它解决了传统遥...
DIKTATORIAL Suite
DIKTATORIAL Suite是一款在线AI音频母带处理工具，通过聊天交互方式与虚拟声音工程师对话。它可以提供清晰的音频效果，支持wav和mp3等...
uList
uList是一个旨在提升个人效率的待办事项和清单管理应用，它允许用户创建和管理各种类型的清单，包括待办事项、购物清单和笔记等。该应用以其直观的用户界面...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
