私たちは、専門家からの質問への回答から、現実世界のコーチングシナリオまで、睡眠とフィットネスのタスクにおける大規模言語モデル（LLM）の性能を評価するために、3つのベンチマークデータセットを作成し、キュレーションしました。Gemini LLMを現実世界のコーチングタスクと自己申告による睡眠の質の結果でファインチューニングしたところ、その性能が向上し、さらなる開発のためのベンチマークとなりました。