MultiChallenge

Multi-turn instruction retention, graded by an LLM judge.

评测信息与证据

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。

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
Qwen3.5-397B-A17B	67.6	percent	thinking (temp 0.6, top_p 0.95, top_k 20)	2026-02-16 · document_publication	Qwen3.5-397B-A17B