工具使用的四大能力之间有什么区别吗？（调用api，检索api，规划api，通用工具使用)

[DryPilgrim]

如题，
1.工具使用的四大能力之间有什么区别吗？（调用api，检索api，规划api，通用工具使用)
2.他们的测试集、测试方法、评估指标分别是啥呀？

感谢您的回答：）

[brightmart]

1. 能力的区别和示例在这里呢：https://github.com/CLUEbenchmark/SuperCLUE-agent#%E7%A4%BA%E4%BE%8B

[brightmart]

2. Agent基准参考了OPEN基准，采用被测模型与代表性国际模型进行对战形式，计算胜率。
   具体的，被测模型与3.5进行对战，计算胜（得3分）、平（得1分）、和（得0分）的成绩，算总成绩，并进行归一化。总之，这是相对于同一个基准模型的相对分数或成绩。

[zhangbaijin]

你好，可以开源评测代码吗

[goqw]

完全没看懂function calling的评测方法，或许根本就没有。