AmbiK：厨房环境中的歧义任务数据集

作为具身智能体的一部分，大型语言模型（LLMs）通常用于根据用户提供的自然语言指令进行行为规划。然而，在现实世界环境中处理模糊指令对LLMs来说仍然是一个挑战。已经提出了各种任务模糊性检测方法。然而，由于它们在不同的数据集上进行测试且缺乏通用基准，因此难以进行比较。为此，我们提出了AmbiK（厨房环境中的模糊任务），这是一个完全文本格式的数据集，包含针对厨房环境中机器人发出的模糊指令。AmbiK是在LLMs的协助下收集并经过人工验证的。它包含1000对模糊任务及其对应的明确任务，按模糊性类型（人类偏好、常识、安全性）进行分类，并附有环境描述、澄清问题和答案、用户意图以及任务计划，总计2000个任务。我们希望AmbiK能使研究人员对模糊性检测方法进行统一比较。AmbiK可在此处获取：https://github.com/cog-model/AmbiK-dataset。