AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
BFCL v2
Berkeley Function Calling Leaderboard (BFCL) v2 is a comprehensive benchmark for evaluating large language models' function calling capabilities. It features 2,251 question-function-answer pairs with enterprise and OSS-contributed functions, addressing data contamination and bias through live, user-contributed scenarios. The benchmark evaluates AST accuracy, executable accuracy, irrelevance detection, and relevance detection across multiple programming languages (Python, Java, JavaScript) and includes complex real-world function calling scenarios with multi-lingual prompts.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 5
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Llama 3.3 70B Instruct | 0.773 | 未收录 | 未收录 | 2024-12-06 · model_announcement | LLM Stats |
| Llama 3.1 Nemotron Ultra 253B v1 | 0.741 | 未收录 | 未收录 | 2025-04-07 · model_announcement | LLM Stats |
| Llama-3.3 Nemotron Super 49B v1 | 0.737 | 未收录 | 未收录 | 2025-03-18 · model_announcement | LLM Stats |
| Llama 3.2 3B Instruct | 0.67 | 未收录 | 未收录 | 2024-09-25 · model_announcement | LLM Stats |
| Llama 3.1 Nemotron Nano 8B V1 | 0.636 | 未收录 | 未收录 | 2025-03-18 · model_announcement | LLM Stats |