还有一个重要的指标——准确率。伯克利函数调用排行榜 (BFCL) 是评估函数调用能力的标准基准。 Gemma 3 1B 的得分约为 31%，Llama 3.2 1B 约为 26%，两者未经微调的性能都很弱。由于 Gemma 3n 是通用型程序，因此未对其进行测试。Hammer 2.1 0.5B 没有公开数据，但其 1.5B 版本开箱即用的得分约为 73%——尽管它在 int8 内存中占用约 1.5GB 的空间，是 FunctionGemma（288MB）的 5 倍。
当前的AI视频模型，其对物理世界的理解仍停留在“模式匹配”而非“第一性原理”的层面。这导致在处理复杂或不常见的物理交互时，模型会暴露出短板。
。safew官方下载对此有专业解读
competitors not provided another way out.，推荐阅读safew官方版本下载获取更多信息
深层网络推荐使用残差连接 + ReLU
НХЛ — регулярный чемпионат