专业知识库与评测机构：Berkeley BFCL
专业知识库与评测机构 · Berkeley BFCL。工具调用与函数调用专榜。本来源共收录 7 条已通过本类收录机制的资料，均可直接跳转到原始来源。
本类权威分层：A2–B。收录机制：核心资料全收；按各二级来源自身的数据库、方法、版本与榜单结构收录，不设跨机构统一评分机制。
Berkeley Function Calling Leaderboard V4
评估函数与工具调用、并行及多轮交互、检索、记忆和格式敏感性，并公布成本与延迟。
证据用途：支持指定 BFCL 版本和提交条件下的工具调用能力比较。
使用边界：总体分数由多个任务加权组成；实时 API 类别会随外部服务变化
关联概念：agent · model-evaluation
链接复核时间：2026-09-24
Berkeley Function-Calling Leaderboard Methodology
介绍函数选择、并行调用、相关性检测、多语言函数和 AST/执行式评分方法。
证据用途：支持 BFCL 任务构成、指标和评测逻辑的解释。
使用边界：早期文章中的榜单构成已被新版扩展；需结合当前版本变更记录
关联概念：model-evaluation
链接复核时间：2026-09-24
BFCL V4：Agentic Evaluation
把 BFCL 从函数调用扩展到网络搜索、记忆与格式敏感性等智能体能力，并披露新版分数组成。
证据用途：支持 BFCL V4 智能体任务、规模和权重的说明。
使用边界：文章重点介绍网络搜索部分；完整结论需与榜单和其他 V4 文档合读
关联概念：agent · model-evaluation
链接复核时间：2026-09-24
BFCL V2：Live and Irrelevance Detection
加入实时函数、无关函数识别和数据污染缓解设计。
证据用途：支持解释 BFCL 从静态函数调用到实时评测的扩展。
使用边界：各代任务构成和权重不同；实时 API 与工具环境会造成时间敏感性
关联概念：model-evaluation
链接复核时间：2026-09-24
BFCL V3：Multi-Turn and Multi-Step
增加多轮、多步骤和状态依赖的工具调用任务。
证据用途：支持评估智能体在连续交互中的工具规划和执行。
使用边界：各代任务构成和权重不同；实时 API 与工具环境会造成时间敏感性
关联概念：agent
链接复核时间：2026-09-24
BFCL V4：Memory Evaluation
评估跨轮次检索、更新和利用信息的智能体记忆能力。
证据用途：支持解释 BFCL V4 记忆任务和评分。
使用边界：各代任务构成和权重不同；实时 API 与工具环境会造成时间敏感性
关联概念：agent
链接复核时间：2026-09-24
BFCL V4：Prompt and Format Sensitivity
测量工具定义、提示和输出格式变化对函数调用表现的影响。
证据用途：支持判断工具调用能力对格式的鲁棒性。
使用边界：各代任务构成和权重不同；实时 API 与工具环境会造成时间敏感性
关联概念：model-evaluation
链接复核时间：2026-09-24