IFEval

简介

IFEval 是 Google 提出的指令跟随评测基准，核心思路是只使用「可验证指令」（verifiable instructions），例如「写满 400 字以上」「至少提到 3 次关键词 AI」，从而用程序自动判定模型是否遵守约束，避免人工评测昂贵、缓慢以及 LLM 裁判带来的偏差。数据集包含 25 类可验证指令、541 条提示词，每条提示词含一个或多个可验证指令。IFEval 已被主流模型卡广泛采用，但近年头部模型分数普遍接近饱和，Ai2 的 IFBench 即是针对该问题设计的更难替代评测。