Gorilla项目中的BFCL数据集格式问题分析与解决方案
2025-05-19 02:05:57作者:董灵辛Dennis
在开源项目Gorilla的Berkeley Function Call Leaderboard(BFCL)数据集中,研究人员发现了一些关于并行多任务测试用例的格式问题。这些问题主要涉及字符串类型处理、函数命名规范和多语言支持等方面,这些问题可能会影响模型评估的准确性和公平性。
首先,关于字符串参数的处理方式。数据集中的某些测试用例错误地将字符串类型参数视为字符串数组。实际上,当参数类型为字符串时,可能的答案应该是一个字符串列表,而模型响应应该是该列表中的一个条目。这种混淆可能导致正确的模型响应被错误地判定为失败。
其次,在函数命名规范方面,数据集对字符串值中的标点符号进行了特殊处理。为了增强评估的鲁棒性和准确性,系统会自动移除包括逗号、句点、斜杠、连字符、下划线、星号和脱字符等在内的一组标点符号。这种处理方式使得像"x**2"和"x^2"这样的表达式被视为等效,两者都可以作为标准答案。然而,这也可能导致原始lambda函数名称被错误地拒绝。
最后,在多语言支持方面,当用户输入非英语内容(如中文位置信息)时,数据集目前只接受翻译后的英文版本作为标准答案。这种做法显然不够完善,应该同时包含原始语言版本和翻译版本作为可能的答案选项,以确保不同语言输入的公平评估。
针对这些问题,项目团队已经制定了相应的改进计划。对于字符串参数的处理将进行规范化调整,确保类型判断的准确性;函数命名规范将保持现有的标点符号处理逻辑,但会优化对原始函数名的兼容性;多语言支持方面将增加原始语言版本作为有效答案选项。这些改进将显著提升数据集的质量和评估的公平性,为函数调用模型的研发提供更可靠的基准测试环境。
登录后查看全文
热门项目推荐
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00HunyuanWorld-Mirror
混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Scilit-X1-13B
FLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile012
Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
235
2.34 K

仓颉编译器源码及 cjdb 调试工具。
C++
113
80

暂无简介
Dart
537
117

React Native鸿蒙化仓库
JavaScript
216
291

Ascend Extension for PyTorch
Python
76
106

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

🎉 (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
994
588

仓颉编程语言测试用例。
Cangjie
34
64

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
130
650