IFEval-Ko

長さ・キーワード・出力形式など、自動で確認できる条件付きの指示を守れるかを見る、GoogleのIFEvalの韓国語版です。厳格・緩やかな4つの基準の正答率を平均します。Horangiは全問題ではなく固定された100問だけを解かせるため、データセット全体で測ったスコアとは直接比較できません。スコアは0〜100%です。高いほど良い結果です。