AI EVALUATION, IN CONTEXT.BY EQUALITY MACHINE
Benchmark Radar.Benchmarks. Model results. Original sources.
/

LLM Stats

IFEval

IFEval 检查输出格式、长度、指定词语等具体要求，帮助区分可测量的指令遵循与回答本身是否有用、正确。

收录来源

AI Benchmark Radar / Equality Machine · 核对于 2026-10-25

对应原始 Instruction-Following Evaluation 的可验证约束，以及严格／宽松、提示级／指令级四种指标；不作为通用回答质量评分。

程序能够检查的约束

论文定义 25 种指令类型，构造约 500 条提示，每条含一项或多项要求。例如，回答可能需要同时满足字数条件和指定结尾。

Instruction-Following Evaluation for Large Language Models · Metrics and limitations

用检查器核对要求

官方评测器调用每条指令对应的检查函数，保存逐项是否通过以及是否全部通过。空白输出不会被视为符合要求，而会检查失败。

Google Research · IFEval strict and loose checking implementation

提示级与指令级

提示级正确率要求一条提示中的所有约束都通过；指令级正确率分别统计每项约束。模型可能逐项表现改善，却仍有许多整条提示未通过，因此必须注明统计分母。

Instruction-Following Evaluation for Large Language Models · Metrics and limitations · Google Research · IFEval strict and loose checking implementation

严格与宽松并非同一个判定

严格判定检查原始回答；宽松判定还尝试移除格式或开头说明等预设变换。它可能纠正误拒，也可能引入误收，适合与严格结果一起阅读，而不是替代后者。

Instruction-Following Evaluation for Large Language Models · Metrics and limitations · Google Research · IFEval strict and loose checking implementation

遵循约束不等于回答全面合格

满足长度或关键词要求，不能证明事实正确、内容相关或推理可靠。作者也把指令多样性与真实应用贴合度列为扩展方向。选择模型时，应与具体任务评测结合。

Instruction-Following Evaluation for Large Language Models · Metrics and limitations

数据来源与署名：LLM Stats

已收录的评测资料

这条来源记录收录了 67 条数值成绩。来源区分了 67 个模型身份或配置。同一模型可能有多条记录；比较前请核对具体版本、工具和运行预算。 查看成绩及逐条证据 →

指标方向
数值越高越好

从这些资料开始

引用文档及日期（1）

目录采集于 2026-08-17，资料入口与字段反映当时保存的来源。

关注度快照

观测日期：2026-10-12

GitHub 星标
38,909
Hugging Face 论文点赞
22

查看来源快照

这是注明日期的关注度观测，不是实时计数或评测分数。

评测信息与证据

来源
LLM Stats
发布者
Google
评测发布日期
2023-11-14
采集日期
2026-08-17
模态
text

本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。

报告成绩 67

按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。

模型数值单位协议报告日期与口径来源
Qwen3.5-27B0.95未收录未收录2026-02-24 · model_announcementLLM Stats
Qwen3.7-Plus0.946未收录未收录2026-05-31 · model_announcementLLM Stats
Qwen3.7 Max0.943未收录未收录2026-05-19 · model_announcementLLM Stats
Qwen3.6 Plus0.943未收录未收录2026-04-02 · model_announcementLLM Stats
o3-mini0.939未收录未收录2025-01-30 · model_announcementLLM Stats
Qwen3.5-122B-A10B0.934未收录未收录2026-02-24 · model_announcementLLM Stats
Claude 3.7 Sonnet0.932未收录未收录2025-02-24 · model_announcementLLM Stats
Qwen3.5-397B-A17B0.926未收录未收录2026-02-16 · model_announcementLLM Stats
Llama 3.3 70B Instruct0.921未收录未收录2024-12-06 · model_announcementLLM Stats
Nova Pro0.921未收录未收录2024-11-20 · model_announcementLLM Stats
Qwen3.5-35B-A3B0.919未收录未收录2026-02-24 · model_announcementLLM Stats
Qwen3.5-9B0.915未收录未收录2026-03-02 · model_announcementLLM Stats
Gemma 3 27B0.904未收录未收录2025-03-12 · model_announcementLLM Stats
Nemotron Nano 9B v20.903未收录未收录2025-08-18 · model_announcementLLM Stats
Gemma 3 4B0.902未收录未收录2025-03-12 · model_announcementLLM Stats
Qwen3.5-4B0.898未收录未收录2026-03-02 · model_announcementLLM Stats
Kimi K2-Instruct-09050.898未收录未收录2025-09-05 · model_announcementLLM Stats
Kimi K2 Instruct0.898未收录未收录2025-07-11 · model_announcementLLM Stats
Nova Lite0.897未收录未收录2024-11-20 · model_announcementLLM Stats
LongCat-Flash-Chat0.8965未收录未收录2025-08-29 · model_announcementLLM Stats
Llama 3.1 Nemotron Ultra 253B v10.8945未收录未收录2025-04-07 · model_announcementLLM Stats
Qwen3-Next-80B-A3B-Thinking0.889未收录未收录2025-09-10 · model_announcementLLM Stats
Gemma 3 12B0.889未收录未收录2025-03-12 · model_announcementLLM Stats
Qwen3-235B-A22B-Instruct-25070.887未收录未收录2025-07-22 · model_announcementLLM Stats
Llama 3.1 405B Instruct0.886未收录未收录2024-07-23 · model_announcementLLM Stats
Qwen3 VL 235B A22B Thinking0.882未收录未收录2025-09-22 · model_announcementLLM Stats
GPT-4.50.882未收录未收录2025-02-27 · model_announcementLLM Stats
Qwen3 VL 235B A22B Instruct0.878未收录未收录2025-09-22 · model_announcementLLM Stats
Qwen3 VL 32B Thinking0.878未收录未收录2025-09-22 · model_announcementLLM Stats
Qwen3-235B-A22B-Thinking-25070.878未收录未收录2025-07-25 · model_announcementLLM Stats
Qwen3-Next-80B-A3B-Instruct0.876未收录未收录2025-09-10 · model_announcementLLM Stats
Llama 3.1 70B Instruct0.875未收录未收录2024-07-23 · model_announcementLLM Stats
GPT-4.10.874未收录未收录2025-04-14 · model_announcementLLM Stats
Kimi-k1.50.872未收录未收录2025-01-20 · model_announcementLLM Stats
Nova Micro0.872未收录未收录2024-11-20 · model_announcementLLM Stats
DeepSeek-V30.861未收录未收录2024-12-25 · model_announcementLLM Stats
Qwen3 VL 30B A3B Instruct0.858未收录未收录2025-09-22 · model_announcementLLM Stats
Phi 4 Reasoning Plus0.849未收录未收录2025-04-30 · model_announcementLLM Stats
Sarvam-105B0.848未收录未收录2026-03-06 · model_announcementLLM Stats
Qwen3 VL 32B Instruct0.847未收录未收录2025-09-22 · model_announcementLLM Stats
GPT-4.1 mini0.841未收录未收录2025-04-14 · model_announcementLLM Stats
Qwen2.5 72B Instruct0.841未收录未收录2024-09-19 · model_announcementLLM Stats
QwQ-32B0.839未收录未收录2025-03-05 · model_announcementLLM Stats
Qwen3 VL 8B Instruct0.837未收录未收录2025-09-22 · model_announcementLLM Stats
Phi 4 Reasoning0.834未收录未收录2025-04-30 · model_announcementLLM Stats
Qwen3 VL 8B Thinking0.832未收录未收录2025-09-22 · model_announcementLLM Stats
Mistral Small 3 24B Instruct0.829未收录未收录2025-01-30 · model_announcementLLM Stats
Qwen3 VL 4B Thinking0.826未收录未收录2025-09-22 · model_announcementLLM Stats
LFM2.5-VL-3B0.823未收录未收录2026-08-12 · model_announcementLLM Stats
Qwen3 VL 4B Instruct0.823未收录未收录2025-09-22 · model_announcementLLM Stats
Qwen3 VL 30B A3B Thinking0.817未收录未收录2025-09-22 · model_announcementLLM Stats
GPT-4o0.81未收录未收录2024-08-06 · model_announcementLLM Stats
Llama 3.1 8B Instruct0.804未收录未收录2024-07-23 · model_announcementLLM Stats
Gemma 3 1B0.802未收录未收录2025-03-12 · model_announcementLLM Stats
Llama 3.1 Nemotron Nano 8B V10.793未收录未收录2025-03-18 · model_announcementLLM Stats
Qwen3.5-2B0.786未收录未收录2026-03-02 · model_announcementLLM Stats
Llama 3.2 3B Instruct0.774未收录未收录2024-09-25 · model_announcementLLM Stats
MiniCPM-SALA0.7634未收录未收录2026-02-11 · model_announcementLLM Stats
North Micro Vision Instruct0.749未收录未收录2026-08-12 · model_announcementLLM Stats
Granite 3.3 8B Base0.7482未收录未收录2025-04-16 · model_announcementLLM Stats
Granite 3.3 8B Instruct0.7482未收录未收录2025-04-16 · model_announcementLLM Stats
GPT-4.1 nano0.745未收录未收录2025-04-14 · model_announcementLLM Stats
Qwen2.5 7B Instruct0.712未收录未收录2024-09-19 · model_announcementLLM Stats
IBM Granite 4.0 Tiny Preview0.63未收录未收录2025-05-02 · model_announcementLLM Stats
Phi 40.63未收录未收录2024-12-12 · model_announcementLLM Stats
Pixtral-12B0.613未收录未收录2024-09-17 · model_announcementLLM Stats
Qwen3.5-0.8B0.44未收录未收录2026-03-02 · model_announcementLLM Stats

相关评测探索

按共享资料或来源分类推荐，不代表同一评测或经审核的身份关联。

SIFO来源分类相同 →Multi-IF来源分类相同 →Doubao Multi-Turn Bench来源分类相同 →IFBench来源分类相同 →AdvancedIF来源分类相同 →Internal API instruction following (hard)来源分类相同 →IF来源分类相同 →

继续阅读

语言评测

继续探索

按这条记录的来源标签检索目录；搜索匹配不代表相同评测。

structured_output →instruction_following →general →LLM Stats · 全部记录 →

其他来源中的相关记录