待验证60% 置信基准精确时间
Berkeley Function-Calling Leaderboard（BFCL）是业界常用的工具调用能力评估基准之一
2
来源数
60%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
Meta Muse Spark 1.1发布：首个开放API的Spark模型全面解析
rss2026/7/9
相关事实
待验证评估模型智能体能力的主流基准测试包括BFCL（Berkeley Function Calling Leaderboard）、AgentBench、SWE-Bench；编码能力评测集包括HumanEval、MBPP、LiveCodeBench73% 相似待验证在BFCL v4和API Bank两个工具学习基准上，SeTPO与监督微调、强化学习和蒸馏三类基线方法进行了对比。58% 相似待验证斯坦福的IFEval、清华的FollowBench是评估模型指令遵循能力的基准测试55% 相似待验证CCAO-F认证验证的是以最少指导将Claude应用于完成业务和生产力任务的能力，包括使用平台内置功能和工具优化工作流、识别流程改进机会、权衡质量与效率及成本、识别能力边界。53% 相似待验证Function Calling能力通过SFT阶段构造大量工具调用示例数据获得，结合RLHF优化工具选择准确性53% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/500643API
curl https://kongchang.com/api/v1/knowledge/claims/500643MCP
get_claim(id=500643)