基于 Llama 3 的开源权重函数调用模型,与 GPT-4o 的函数调用功能相媲美。

工具 70b

13.8K 3 个月前

自述文件

Firefunction-v2 的函数调用能力与 GPT-4o 相媲美,在混合公共基准测试中得分 0.81,而 GPT-4o 的得分为 0.80。

Firefunction-v2 针对现实世界场景进行了优化,包括多轮对话、指令遵循和并行函数调用。它保留了 Llama 3 的多轮指令能力(在 MT 基准测试中得分 0.84 vs 0.89),同时在函数调用任务上始终优于 Llama 3(在 Nexus 并行多函数评估中得分 0.51 vs 0.30)。

参考资料

博客文章

Hugging Face