LIFT 团队开源 Lift-Bench 指令遵循基准与训练集
原文标题：LIFT: Scoped Constraints for Evaluating and Training Instruction Following
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出 IFEval 等基准的简单约束易被奖励黑客利用，提出 Lift-Bench：给定主题与结构化大纲要求模型撰写文档，约束按章节划分以精细控制密度，同时包含可验证与评判型约束。配套训练集 Lift-Train 显著降低奖励黑客风险，基准、训练集与数据生成流程均已公开。
- 问题
- IFEval 类简单约束易被奖励黑客利用，现有富约束基准闭源且难扩展。
- 方法
- 按主题与结构化大纲写文档，约束按章节限定密度，混合可验证与评判型约束。
- 结果
- 前沿模型在较难子集上表现吃力；用 Lift-Train 训练比用 IFTrain 更不易奖励黑客。
- 影响
- 做指令遵循 RL 的团队可换用开源基准与训练集，降低奖励黑客风险。
深读 · 结论先行AI 生成展开看要点与影响 ↓
LIFT开源Lift-Bench与Lift-Train，用分章节约束和主任务要求抑制奖励黑客。
- •指出现有IFEval类简单约束既作评测又作RL奖励，易被奖励黑客
- •Lift-Bench要求按主题与结构化大纲撰写文档，约束按章节限定以控制密度
- •同时包含可验证约束与评判型约束，并保留主任务约束
- •实验显示前沿模型在较难子集上仍吃力；用Lift-Train训练比IFTrain更不易被奖励黑客
- •基准、训练集与数据生成流程均已公开
为什么重要：对做指令遵循RL训练的团队，这是可直接替换的开放评测与训练数据，且直指奖励信号被钻空子的老问题。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。