แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการเรียกลีดเดอร์บอร์ดฟังก์ชัน Berkeley
ตีความ BFCL ตามเวอร์ชันและหมวดหมู่งาน และแยกแยะความแม่นยำในการเรียกเครื่องมือเกณฑ์มาตรฐานจากความน่าเชื่อถือของแอปพลิเคชันเต็มรูปแบบ
คำถาม 1 ของ 8
Berkeley Function Calling Leaderboard ประเมินอะไรเป็นหลัก
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- Berkeley Function Calling Leaderboard ประเมินอะไรเป็นหลัก
- ความแม่นยำในการสร้างแบบจำลองการเรียกใช้ฟังก์ชันหรือเครื่องมือในงานการวัดประสิทธิภาพ
- คุณภาพภาษาทั่วไปในทุกงานของผู้ใช้
- เวลาทำงานของฐานข้อมูล
- คุณภาพที่เป็นข้อเท็จจริงของทุกคำตอบสุดท้าย
- รายการหน้า BFCL V4 ปัจจุบันมีหมวดหมู่กว้างๆ อะไรบ้าง
- การแก้ไขการสะกดคำเท่านั้น
- การจัดหมวดหมู่ภาพเท่านั้น
- หมวดหมู่การประเมินแบบเลี้ยวเดียว หลายเทิร์น และแบบเอเจนต์
- แบบสำรวจการสนับสนุนลูกค้าที่เป็นมนุษย์เท่านั้น
- องค์ประกอบข้อมูลที่มาจากฝูงชนเริ่มต้นของเอกสาร BFCL ประกอบด้วยอะไรบ้าง
- ตัวแทนการผลิตใช้งานจริง 64,517 ราย
- ข้อความค้นหาของผู้ใช้แบบเทิร์นเดียวจริง 64,517 รายการรวบรวมในช่วงเวลาที่กำหนด
- บทสนทนาหลายรอบนับล้าน
- เฉพาะสกีมาเครื่องมือสังเคราะห์เท่านั้น
- เหตุใดจึงควรรายงานคะแนนแบบจำลองด้วยเวอร์ชัน BFCL
- เวอร์ชันไม่เคยเปลี่ยนแปลง
- คะแนนโมเดลจะเข้ารหัสทุกการตั้งค่าแอปพลิเคชัน
- หมายเลขเวอร์ชันเป็นเพียงการตกแต่งเท่านั้น
- หมวดหมู่เกณฑ์มาตรฐานและวิธีการสามารถเปลี่ยนแปลงได้ระหว่างเวอร์ชันต่างๆ
- ประสิทธิภาพ BFCL ที่แข็งแกร่งพิสูจน์ให้เห็นว่าตัวแทนมีความน่าเชื่อถือในการผลิตหรือไม่
- เลขที่; สิทธิ์ของเครื่องมือ, API, สถานะ, ข้อผิดพลาด และตรรกะของแอปพลิเคชันจะเพิ่มโหมดความล้มเหลวอื่นๆ
- ใช่ เนื่องจากเครื่องมือทั้งหมดใช้สคีมาเดียวกัน
- ใช่ถ้ามันอันดับหนึ่ง
- ไม่ได้ เนื่องจากการเรียกเครื่องมือไม่สามารถเปรียบเทียบได้
- การให้คะแนนแบบ AST ช่วยประเมินอะไร
- ไม่ว่าเซิร์ฟเวอร์คลาวด์จะออนไลน์อยู่หรือไม่
- เรียงความแบบยาวฟังดูมีประโยชน์เพียงใด
- ไม่ว่าผู้ใช้จะชอบอินเทอร์เฟซหรือไม่
- ไม่ว่าการเรียกใช้ฟังก์ชันที่มีโครงสร้างจะตรงกับโครงสร้างหรืออาร์กิวเมนต์ที่คาดหวังหรือไม่
- การทดสอบการปรับใช้ใดที่เสริม BFCL
- ตรวจสอบเฉพาะการสูญเสียการฝึกของโมเดล
- เปรียบเทียบโลโก้ลีดเดอร์บอร์ด
- การทดสอบสคีมา ความล้มเหลวของเครื่องมือ การอนุญาต และผลข้างเคียงของแอปพลิเคชันเอง
- กำลังลบการตรวจสอบทั้งหมด
- สิ่งที่ควรตรวจสอบเมื่อเปรียบเทียบผลลัพธ์ของกระดานผู้นำสองรายการ
- เฉพาะเลขลำดับเท่านั้น
- เวอร์ชัน หมวดหมู่งาน การตั้งค่าพร้อมท์ ตัวระบุโมเดล และวิธีการให้คะแนน
- เฉพาะชื่อผู้ให้บริการเท่านั้น
- สีของแผนภูมิลีดเดอร์บอร์ด