论文Agent 与开发者14:56CAREFUL-Bench: 针对多轮 LLM 函数调用的效果感知评测基准BFCL 有个盲区:模型调用函数前先确认会被扣分。这篇给 BFCL 加了效果感知评分,还发现函数文档加副作用提示对 8 个模型都没用。#BFCL#function calling#评测基准#智能体aarXiv cs.AI@Alexander Kovalenko, Artem Redchych原文稍后读已读值得跟进有用关注 BFCL