मेटा ने हाल ही में मल्टी-IF नामक एक नया बेंचमार्क परीक्षण जारी किया है, जिसका उद्देश्य बड़े भाषा मॉडल (LLM) की बहु-चरण वार्तालाप और बहुभाषी वातावरण में निर्देश पालन क्षमताओं का मूल्यांकन करना है। यह बेंचमार्क आठ भाषाओं को कवर करता है, जिसमें 4501 तीन-चरण वार्तालाप कार्य शामिल हैं, जो वर्तमान मॉडल की जटिल बहु-चरण और बहुभाषी परिदृश्यों में प्रदर्शन पर ध्यान केंद्रित करता है। मौजूदा मूल्यांकन मानकों में से अधिकांश एकल-चरण वार्तालाप और एकल भाषा कार्यों पर केंद्रित हैं, जो वास्तविक अनुप्रयोगों में मॉडल के प्रदर्शन को पूरी तरह से प्रतिबिंबित करने में कठिनाई होती है। मल्टी-IF का लॉन्च इसी उद्देश्य के लिए है।