Models · Evals
IFEval
指令跟随(可验证约束)
| 测什么 | 指令跟随(可验证约束) |
|---|---|
| 任务与数据 | 500+ 条 prompt;多种约束 |
| 指标 | 严格准确率 / 宽松准确率 |
| 污染风险 | 题集公开;prompt 模板可能进训练。 |
| 复现 | 固定 prompt、约束解析与评分脚本。 |
| 成本 | 低 |
| 快照日 | 2026-11-19(本站快照;上游版本以仓库为准) |
| 核验日 | 2026-11-19 |
怎么读
适合看格式与约束遵守;不适合开放写作质量。
第一次使用
先跑 50 条,确认约束解析。
常见坑
严格准确率低不代表模型差;约束组合难度不同。
不适合
不适合评估事实正确。
对比与替代
与 MT-Bench 相比更偏可验证约束,不靠 judge。
怎么验证
核对 prompt 版本与评分脚本。
下一步
- 打开榜单或论文页,确认题集版本、评分脚本与提交日期。
- 把它和你关心的业务任务做对照;找不到对应任务,就自己建 50–100 条内部评测。
- 读 怎么读榜单,把“分数”写成“条件 + 参考价值”。
榜单 / 来源:https://github.com/google-research/google-research/tree/master/instruction_following_eval · 快照 2026-11-19(本站快照;上游版本以仓库为准)