关于 BFCL v4 的报道

研究揭示 Agent 评测分数的剧烈波动可能源于服务端接口对轨迹的审查，而非模型本身能力缺陷。这意味着当前基于工具调用率的 Agent 评测基准，其有效性正受到工程适配层交互效应的严重削弱，模型真实能力被部署接口系统性掩盖。