Gorilla项目v1.2版本发布:伯克利函数调用评测框架重大升级
2025-06-03 14:50:52作者:郜逊炳
Gorilla是一个专注于大语言模型(LLM)函数调用能力的开源项目,由伯克利研究团队开发。该项目构建了一套完整的函数调用评测体系,旨在评估不同LLM在API调用、工具使用等方面的能力表现。最新发布的v1.2版本带来了伯克利函数调用评测框架(BFCL)的重大更新,特别是新增了对多步骤和多轮次函数调用的评估能力。
评测框架架构优化
v1.2版本对评测框架进行了深度的架构重构,将模型处理逻辑划分为API推理和本地推理两大组件。这种模块化设计使得框架能够更灵活地支持不同类型的模型:
- API推理组件专门处理需要通过网络API访问的专有模型,如OpenAI、Anthropic等公司的商业模型
- 本地推理组件则针对可以本地部署的开源模型进行优化,支持HuggingFace Transformers等主流框架
这种分离设计不仅提高了代码的可维护性,也为后续支持更多模型类型奠定了基础。
多轮对话评估能力
本次更新的核心亮点是引入了多轮对话场景下的函数调用评估能力。传统的函数调用评测往往局限于单轮交互,而v1.2版本能够模拟更真实的对话场景:
- 上下文保持:模型需要在多轮对话中正确维护和引用上下文信息
- 渐进式参数收集:某些API调用需要跨多轮对话逐步收集完整参数
- 状态管理:评估模型在复杂交互中维护对话状态的能力
这一功能使得评测结果更贴近实际应用场景,对模型的综合能力提出了更高要求。
模型支持扩展
v1.2版本显著扩展了支持的模型范围,新增了多个前沿模型的支持:
- 谷歌Gemini系列:包括Gemini 1.5 Pro/Flash等多个变体
- Meta Llama 3系列:新增Llama-3.3-70B等大参数版本
- 深度求索模型:支持DeepSeek-V2.5、DeepSeek-V3等中文模型
- 其他新锐模型:如Qwen2.5系列、Watt-Tool系列等
每种模型都有专门的适配器处理其特有的输入输出格式和调用方式,确保评测的准确性和公平性。
性能与稳定性提升
新版本在系统性能和稳定性方面做出了多项改进:
- 延迟优化:改进了本地模型的推理速度,通过批处理和并行化显著提升吞吐量
- 容错机制:为API调用添加了指数退避重试逻辑,增强对网络波动的适应能力
- 资源管理:优化GPU内存使用,避免大模型推理时的内存溢出问题
- 日志系统:增强日志可读性,便于问题诊断和性能分析
评测数据集完善
配合框架升级,评测数据集也进行了全面修订:
- 数据类型丰富:新增多轮对话、长上下文等更具挑战性的测试案例
- 数据质量提升:修正了参数类型错误、函数文档描述不准确等问题
- 评估维度扩展:不仅检查API调用的正确性,还评估响应的相关性和实用性
- 非法参数检测:新增单元测试确保所有参数名称符合Python语法规范
开发者体验改进
v1.2版本特别关注了开发者体验的提升:
- 命令行界面:新增BFCL命令行工具,简化评测流程
- 结果可视化:支持将评测结果记录到WandB等平台
- 配置灵活性:允许指定自定义目录位置和特定测试条目
- 文档完善:重新组织了README文档,提供更清晰的使用指南
技术影响与展望
Gorilla v1.2的发布标志着大语言模型函数调用能力评估进入了一个新阶段。多轮交互评估能力的引入使得评测更加贴近实际应用场景,能够更全面地反映模型的真实能力。随着越来越多的模型加入支持,该项目有望成为函数调用能力评估的事实标准。
未来,随着工具使用和API调用在LLM应用中的重要性不断提升,Gorilla项目可能会进一步扩展其评估维度,包括但不限于:
- 复杂工作流评估:跨多个API的链式调用能力
- 错误处理能力:对无效API响应或错误参数的处理
- 安全性评估:防范潜在的不安全函数调用
- 效率优化:评估模型在资源受限场景下的表现
Gorilla项目的持续发展将为LLM在真实世界中的应用提供重要的能力基准和优化方向。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0302- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
866
513

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
261
302

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K