最近很多新模型在toolcall / 代码生成等任务上表现优异，希望evalscope能集成更多相关数据集的支持

[fankexinxin]

功能描述 / Feature Description

最近很多新模型在toolcall / 代码生成等任务上表现优异，希望evalscope能集成更多toolcall相关数据集的支持

需求背景 / Background

GLM5 、Kimi-K2.5、Qwen3.5等模型火热，尤其是在工具调用、代码生成等任务上表现优异，但是很多数据集在evalscope还没有支持，希望通过evalscope来统一发起数据集测评
例如GLM5.1中提到的

预期行为 / Expected Behavior

对齐模型卡片简介中写的分数

其他信息 / Additional Information

暂无

[Yunnglin]

目前正在排期开发中，支持更多agent相关benchmark