Models · Evals
Berkeley Function Calling Leaderboard (BFCL)
函数调用 / 工具选择与参数填写
| 测什么 | 函数调用 / 工具选择与参数填写 |
|---|---|
| 任务与数据 | 多轮、多函数、单轮/并行调用 |
| 指标 | AST 准确率 / 执行准确率 |
| 污染风险 | 函数 schema 公开;模型可能见过;版本迭代快。 |
| 复现 | 固定函数库版本、提示模板与执行环境。 |
| 成本 | 低到中;主要 API 调用 |
| 快照日 | 2026-11-19(本站快照;上游版本以仓库为准) |
| 核验日 | 2026-11-19 |
怎么读
适合看工具调用格式与参数正确性;不代表真实业务工具。
第一次使用
先跑 simple 类别 20 条,检查参数类型与缺省值。
常见坑
只看函数名不看参数;不同版本函数库不可比。
不适合
不适合评估多步规划。
对比与替代
与 τ-bench 相比更偏函数调用原子能力,不强调用户对话。
怎么验证
核对函数库版本与评分脚本。
下一步
- 打开榜单或论文页,确认题集版本、评分脚本与提交日期。
- 把它和你关心的业务任务做对照;找不到对应任务,就自己建 50–100 条内部评测。
- 读 怎么读榜单,把“分数”写成“条件 + 参考价值”。
榜单 / 来源:https://gorilla.cs.berkeley.edu/leaderboard.html · 快照 2026-11-19(本站快照;上游版本以仓库为准)