1 published article
人工智能
IFBench衡量语言模型遵循精确自然语言指令的能力，这一能力至关重要但常被忽视。早期结果显示，xAI的Grok模型领先，而Claude模型尽管整体智能评分很高，却在此项测试中表现落后。
2026-07-07