在 EvalPort 的基准测试中,是否欢迎使用 EvalPort 格式导出 BFCL?

Hi Gorilla/BFCL 团队 — 我维护了 EvalPort, 这是一个开放的 JSON 规范, 用于便携式 LLM 评估数据集和结果。其 benchmarks/ 目录已经将 14 个公共基准测试 (GSM8K、ARC、HumanEval、SQuAD 等) 转换为经过验证的 EvalPort 套件, 每个套件都在 CI 中与真实的验证器进行了检查。