MaXIFE：多语言与跨语言指令遵循评估

随着大语言模型 (LLM) 在自然语言处理中的快速采用，遵循指令的能力已成为评估其实用性的关键指标。然而，现有的评估方法通常侧重于单语言场景，忽略了多语言和跨语言背景下的挑战与差异。为了填补这一空白，我们引入了 MaXIFE：一个全面的评估基准，旨在评估 23 种不同语言中 1667 个可验证指令任务的指令遵循能力。MaXIFE 集成了基于规则的评估和基于模型的评估，确保了效率与准确性的平衡。我们应用 MaXIFE 评估了多个领先的商业 LLM，为未来的比较建立了基线结果。通过为多语言指令遵循评估提供标准化工具，MaXIFE 旨在推进自然语言处理的研究与开发。