BFCL V3

该数据集提供了超过1800个测试案例，涵盖了简单、多重以及并行函数调用的任务。此外，该数据集的评价标准包括抽象语法树（AST）的准确性和可执行函数的准确性。规模上，该数据集包含了超过1800个测试案例，其任务重点在于函数调用的评估。

This dataset contains over 1,800 test cases covering tasks involving simple, multiple, and parallel function calls. The evaluation criteria for this dataset include the accuracy of Abstract Syntax Trees (AST) and the accuracy of executable functions. The core focus of the tasks in this dataset is the evaluation of function calls.

搜集汇总

背景与挑战

背景概述

BFCL V3数据集专注于多轮和多步骤函数调用的评估，包含基础多轮交互和增强多轮交互（如缺失参数、缺失功能、长上下文等）。数据集采用人工标注和自动化验证相结合的方法，确保数据的准确性和可靠性，适用于测试模型在复杂交互场景中的表现。