📢 Arabic Leaderboards 全面升级！新增 Arabic Instruction Following、AraGen 03-25 更新等内容上线！🤖

为了推动阿拉伯语大语言模型的发展与评估，Inception 联合 MBZUAI 推出了全新的 Arabic-Leaderboards Space，集中发布并持续更新阿语 LLM 的多维评估榜单。

🌟 1. 全新统一评估平台上线
Arabic-Leaderboards Space 集中呈现多任务榜单
当前上线两个核心榜单：AraGen 03-25（生成任务）和 Arabic Instruction Following（指令跟随能力）
支持多模态任务评估即将上线！

📊 2. AraGen 03-25 更新：更难、更全面
数据集扩展至 340 条问答对，涵盖问答、推理、安全性、语法等任务
评估标准采用 3C3H 体系：正确性、完整性、简洁性、帮助性、诚实性、无害性
使用 Claude-3.5 作为评审模型，结果更稳定，评分更严谨

🔎 本次更新后，模型得分整体下降（如冠军模型得分从 82.67% 降至 70.25%），反映出更具挑战的基准，更能区分强弱模型。

🧠 3. Arabic Instruction Following 榜单首发
基于 Arabic IFEval 数据集，参考 Google IFEval 构建，完全自动评估
包含 300+ 条针对阿拉伯语语法与文化的精准指令，全面考察模型“听话”能力
Claude-3.5、GPT-4o 表现最优，Qwen、Gemma 等开源模型也表现亮眼

📈 Arabic 指令完成率 Top 3：
1️⃣ Claude-3.5-Sonnet：72.5%
2️⃣ GPT-4o：70.8%
3️⃣ GPT-4o-mini：68.1%

🔜 未来计划
我们将很快推出视觉问答榜单，并引入 camel-bench、kitab 等新基准，欢迎社区参与共建，推动 Arabic LLM 的发展！

🤗 欢迎加入我们的中文社区：Chinese LLMs on Hugging Face，一起关注全球多语言大模型的进展！
#ArabicLLM##语言模型评估##InstructionFollowing##多语言模型##Hugging Face#