基准Instruction Following Eval
IFEval
衡量大语言模型指令遵循能力的基准测试，通过可验证的约束条件评估模型对复杂指令的准确执行程度
时间轴 (近 90 天)
10月12日
Saluki在IFEval基准拿到93.5分（原版91.5分），IFBench中以72.7分超过原版的71.0分
待验证50%
9月29日
评估大模型代码能力常用HumanEval和SWE-bench，综合推理常用MMLU和GPQA，指令遵循常用IFEval
待验证50%
9月25日
评测覆盖MMLU-Pro、GPQA Diamond、GSM8K、德语MGSM和IFEval五个基准
待验证50%
9月25日
在GSM8K上Flash-Next得97.5%对FP8的90.0%，德语MGSM上92.5%对90.0%，IFEval两者均为89.6%打平
已过期50%
9月12日
一个早期迭代版本在IFEval指令遵循基准测试上比Huihui母模型低了五个百分点
待验证50%
9月12日
作者尚未在当前发布的checkpoint上重跑IFEval基准，也未测试编程性能
待验证50%