By Will Standring and Alice Gledhill
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。
，这一点在safew官方版本下载中也有详细论述
paper: “notebook paper with subtle ruled lines”
引用汽车媒体知瞭汽车评论里的话，“GX押注纯视觉。摄像头加图灵芯片，照明良好的高架没压力，广州测试视频里车流穿行也确实顺。但暴雨、浓雾、进隧道那一秒的白平衡切换、对面远光直射时的逆光——这些工况下，纯视觉的感知冗余天生低于激光雷达方案。“