Gorilla项目中的BFCL数据集格式问题分析与解决方案
2025-05-19 05:08:57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
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-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~0287Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-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。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).Dockerfile09
- 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
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
161
2.05 K

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
8
0

React Native鸿蒙化仓库
C++
198
279

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
535
62

Ascend Extension for PyTorch
Python
50
81

🎉 (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
950
556

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
1 K
397

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
385
19

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191