为什么重要
与 IFEval 的简单约束不同，FollowBench 设计了 5 级难度的嵌套约束（如同时满足长度、格式、内容、风格多个要求）。是精细评测指令遵循的前沿基准。
评测设计
5 个约束类别（内容、情境、风格、格式、示例），每类从 L1（单约束）到 L5（5 重嵌套约束）递增。
返回评测
综合 综合-指令遵循 未饱和
模态 · 文本
任务 · 开放生成
FollowBench
多粒度评测 LLM 对复杂指令的遵循能力
Fudan University ·
考察能力
指令遵循 约束满足 格式遵循
构建信息
- 数据规模
- 820 样本
- 评测方式
- 多粒度自动评测
- 核心指标
- Hard Satisfaction Rate (HSR)
资源链接
模型效果排行
🥇 GPT-4o
68.5% HSR
🥈 Claude 3.5 Sonnet
65.2% HSR
指令遵循 约束满足 多粒度