关于数据集和Plan和Tool指标的问题 #43
Description
哈喽，感谢您们精彩的工作！我认为这是十分有意义的。但是我有几个困惑。
我理解针对于Kagent这个框架，数据集中"type": "plantooluse"是为了验证模型的plan多步骤能力。但是：
- golden_result_list中的json数据没有step的概念，看起来是没有先后执行顺序的。这个怎么作为多步骤推理的标签呢？ 模型在执行多次plan的时候，怎样选择golden_result_list的结果作为标准的label
- 评价指标中的Planning和Tool-use是否评价的是一次plan的过程，这样能否体现多步骤推理的能力呢？
感谢！ 并且期待您的回复！
谢谢！