基准
When2Call
评估决策模型在“该调用工具、该提问、该回答还是该拒绝”场景下判断能力的基准测试
时间轴 (近 90 天)
10月13日
SubQ Snap 在 When2Call 测试中得分为 67.0，输给了竞品的 74.6。
待验证50%
10月2日
在基准测试中 2.0 相比基础模型在 IFBench（37.3→43.7）、When2Call（48→58）、BFCL irrelevance（60→78）上提升明显
待验证50%
评估决策模型在“该调用工具、该提问、该回答还是该拒绝”场景下判断能力的基准测试
SubQ Snap 在 When2Call 测试中得分为 67.0，输给了竞品的 74.6。
在基准测试中 2.0 相比基础模型在 IFBench（37.3→43.7）、When2Call（48→58）、BFCL irrelevance（60→78）上提升明显