ComplexFuncBench 复杂函数调用评估数据集

ComplexFuncBench 全称为 Complex Function Calling Benchmark，是一个用于评估大语言模型 (LLMs) 在复杂函数调用场景下的能力基准测试数据集。该数据集由智谱 AI 和清华大学的研究人员于 2025 年开发，旨在填补现有基准测试在多步骤和受限函数调用方面的空白，相关论文成果为「ComplexFuncBench: Exploring Multi-Step and Constrained Function Calling under Long-Context Scenario」。

数据集涵盖了 5 个现实场景中的 1k 个复杂函数调用样本，其中单域样本 600 个，酒店、航班、租车、景点各 150 个，跨域样本 400 个。出租车域只有 2 个函数，所以只用于跨域。与现有基准相比，ComplexFuncBench 包含多步骤和受约束的函数调用，需要长参数归档、参数值推理和 128k 长的上下文。