基准Berkeley Function Calling Leaderboard V4
BFCL V4
Berkeley Function Calling Leaderboard第四版，用于评估大语言模型工具调用能力的基准测试，包含多轮交互任务场景
时间轴 (近 90 天)
10月12日
在基于伯克利BFCL V4榜单构建的Underdog Bench 120项函数调用测试中，Saluki 27B拿到88分，反超全尺寸原版的84分
待验证50%
9月24日
研究者选取了159个具备完整精确重放配对数据的多轮BFCL V4任务进行主要分析
待验证50%