一个基于 Llama 3 的开源权重函数调用模型,在函数调用能力上与 GPT-4o 竞争。

工具 70b

1.79万 6个月前

自述文件

Firefunction-v2 在函数调用能力上与 GPT-4o 竞争激烈,在一系列公开基准测试中得分 0.81,而 GPT-4o 的得分为 0.80。

Firefunction-v2 针对真实世界场景进行了优化,包括多轮对话、指令跟随和并行函数调用。它保留了 Llama 3 的多轮指令能力(在 MT bench 上得分为 0.84,而 Llama 3 为 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为 0.51,而 Llama 3 为 0.30)。

参考

博客文章

Hugging Face