GTA（a benchmark for General Tool Agents）是上海交通大学和上海AI实验室共同推出的基准测试，评估大型语言模型（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 – 上海AI Lab联合交大推出评估通用工具智能体的基准测试 第1张
（图片来源网络，侵删）
GTA – 上海AI Lab联合交大推出评估通用工具智能体的基准测试 第2张
（图片来源网络，侵删）