Meta多轮多语言基准Multi-IF：覆盖8种语言，超4500种任务

Meta发布的Multi-IF基准覆盖8种语言、4501个三轮对话任务，评估多轮对话和多语言指令遵循能力；实验显示，所有LLM在多轮对话中的表现逐轮衰减，非拉丁文字语言（如中文、俄语）准确率显著低于英语；数据集构建包括自动翻译与人工校对，强调多语言适配，并揭示了增大模型规模和自我修正能力对提升指令遵循的影响。