List your company

Instruction Following on IFEval Inverse

83.7Inv-IFMulti-DPOP
30.76444.50758.2571.993Oct 10, 2025Nov 22, 2025Jan 5, 2026Feb 18, 2026Apr 3, 2026May 17, 2026Jun 30, 2026

Evaluation results

MethodLinks
Multi-DPOPModel=Qwen3-30B2025.1083.7—
Gemini-3-FlashTier=High2026.0680.9—
Gemini-3-pro High2026.0679.6—
Seed2.0 Pro2026.0678.9—
Seed2.0 Lite2026.0677.1—
Multi-DPOPModel=Qwen3-4B2025.1076.1—
GPT-5-miniTier=High2026.0674.8—
Multi-DPOPModel=GLM-4-9B2025.1074.2—
Claude-Opus-4.52026.0672.4—
GPT-5.2 High2026.0672.3—
Multi-DPOPModel=Gemma-3-4B2025.1069.8—
Seed2.0 Mini2026.0669.3—
Claude-Sonnet-4.52026.0669.3—
Multi-DPOPModel=Tulu-3.1-8B2025.1065.3—
GRPOModel=Qwen3-30B2025.1056.8—
DPOModel=Qwen3-30B2025.1055.1—
SFTModel=Qwen3-30B2025.1051.4—
GRPOModel=Qwen3-4B2025.1051.2—
DPOModel=Qwen3-4B2025.1049.8—
BaseModel=Qwen3-30B2025.1049.2—
GRPOModel=GLM-4-9B2025.1048.5—
DPOModel=GLM-4-9B2025.1047.3—
SFTModel=Qwen3-4B2025.1046.3—
SFTModel=GLM-4-9B2025.1044.8—
BaseModel=Qwen3-4B2025.1044.7—
GRPOModel=Gemma-3-4B2025.1043.7—
DPOModel=Gemma-3-4B2025.1042.1—
BaseModel=GLM-4-9B2025.1042.1—
GRPOModel=Tulu-3.1-8B2025.1040.2—
SFTModel=Gemma-3-4B2025.1040.2—
BaseModel=Gemma-3-4B2025.1038.5—
DPOModel=Tulu-3.1-8B2025.1038.4—
SFTModel=Tulu-3.1-8B2025.1035.1—
BaseModel=Tulu-3.1-8B2025.1032.8—
A-DPOBackbone=Tulu-3.1-8B2025.10—62.7
A-DPOBackbone=Gemma-3-4B2025.10—67.4
A-DPOBackbone=GLM-4-9B2025.10—71.8
A-DPOBackbone=Qwen3-4B2025.10—73.6
A-DPOBackbone=Qwen3-30B2025.10—80.5
Base ModelBackbone=Tulu-3.1-8B2025.10—32.8
Base ModelBackbone=Gemma-3-4B2025.10—38.5
Base ModelBackbone=GLM-4-9B2025.10—42.1
Base ModelBackbone=Qwen3-4B2025.10—44.7
Base ModelBackbone=Qwen3-30B2025.10—49.2
Claude-4-OpusSetting=Zero-Shot2025.10—67.2
DPOBackbone=Tulu-3.1-8B2025.10—38.4
DPOBackbone=Gemma-3-4B2025.10—42.1
DPOBackbone=GLM-4-9B2025.10—47.3
DPOBackbone=Qwen3-4B2025.10—49.8
DPOBackbone=Qwen3-30B2025.10—55.1
Gemini-2.5-ProSetting=Zero-Shot2025.10—70.6
GPT-5-highSetting=Zero-Shot2025.10—73.7
GRPOBackbone=Tulu-3.1-8B2025.10—40.2
GRPOBackbone=Gemma-3-4B2025.10—43.7
GRPOBackbone=GLM-4-9B2025.10—48.5
GRPOBackbone=Qwen3-4B2025.10—51.2
GRPOBackbone=Qwen3-30B2025.10—56.8
Multi-DPOPBackbone=Tulu-3.1-8B2025.10—65.3
Multi-DPOPBackbone=Gemma-3-4B2025.10—69.8
Multi-DPOPBackbone=GLM-4-9B2025.10—74.2
Multi-DPOPBackbone=Qwen3-4B2025.10—76.1
Multi-DPOPBackbone=Qwen3-30B2025.10—83.7
SFTBackbone=Tulu-3.1-8B2025.10—35.1
SFTBackbone=Gemma-3-4B2025.10—40.2
SFTBackbone=GLM-4-9B2025.10—44.8
SFTBackbone=Qwen3-4B2025.10—46.3
SFTBackbone=Qwen3-30B2025.10—51.4