​Meta 推出全新 Multi-IF 基準，挑戰多輪多語言指令遵循能力

Meta 最近發佈了一項全新的基準測試，名爲 Multi-IF，旨在評估大語言模型（LLM）在多輪對話和多語言環境下的指令遵循能力。這一基準覆蓋了八種語言，包含4501個三輪對話任務，重點探討了當前模型在複雜多輪和多語言場景中的表現。在現有的評估標準中，大多數集中於單輪對話和單語言任務，難以全面反映模型在實際應用中的表現。而 Multi-IF 的推出正是爲了填補這一空白。研究團隊通過將單輪指令擴展爲多輪指令，生成了複雜的對話場景，並確保每一輪指令在邏輯上連貫、遞進。此外，