ACEBench: 工具学习中的胜利关键点是谁？

本研究针对现有大型语言模型（LLMs）在工具调用能力评估中存在的局限性进行探讨，提出了一种名为ACEBench的综合评估系统。该系统通过涵盖多种功能调用场景并细分为正常、特殊和代理三种主要类型，提供更加全面和细致的评估。这项工作的核心发现是，ACEBench能够有效分析不同类型数据中的错误原因，从而改进工具学习的决策和推理能力。