跳到主要内容Skip to main content

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)