开发
Berkeley Function Calling Leaderboard (BFCL) V4
从工具调用到智能体评估的大模型函数调用基准
访问官网
访问方式:未知
它是什么
BFCL V4 使用真实世界数据评估大语言模型准确调用函数(工具)的能力,并定期更新。该排行榜涵盖函数调用、多轮交互与整体智能体评估等维度,提供准确率、成本与延迟等指标,并公开代码与数据供复现。
典型使用场景
- 比较不同大模型的函数调用准确率
- 查看模型在多轮交互中的工具调用表现
- 参考成本与延迟指标选择模型
- 复现评测结果或提交测试用例
工具信息
- 分类
- 开发
- 标签
- 函数调用 · 工具调用 · 模型评测 · 排行榜 · 智能体评估