首页
/ Gorilla项目v1.2版本发布:伯克利函数调用评测框架重大升级

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:

  1. 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
  2. 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
  3. 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:

  1. 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
  2. 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
  3. 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
  4. 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:

  1. 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
  2. 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
  3. 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
  4. 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:

  1. 命令行界面:新增BFCL命令行工具,简化评测流程
  2. 结果可视化:支持将评测结果记录到WandB等平台
  3. 配置灵活性:允许指定自定义目录位置和特定测试条目
  4. 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

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
262
RuoYi-Vue3RuoYi-Vue3
🎉 (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开源商城ShopXO开源商城
🔥🔥🔥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-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183
openHiTLSopenHiTLS
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
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57
CangjieCommunityCangjieCommunity
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
HarmonyOS-ExamplesHarmonyOS-Examples
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
Cangjie-ExamplesCangjie-Examples
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