PulseAugur
中
实时 15:45:13
实体 allenai/IFBench_test

allenai/IFBench_test

PulseAugur coverage of allenai/IFBench_test — every cluster mentioning allenai/IFBench_test across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_367085 ·

    IFBench排行榜缺乏验证,顶尖排名在误差范围内

    对Hugging Face上IFBench排行榜的最新审计显示,数据验证和分数可靠性存在严重问题。截至2026年11月19日,列出的23个条目中没有一个经过官方验证,并且有相当一部分来自未合并的拉取请求。此外,300个提示词的评分粒度不足以可靠地区分顶尖模型,前六名模型之间的性能差距非常小。