qwen3-coder-next 在「排除指令」的评测结果
这是该 AI 模型在此测试用例上的详细评测结果。
基本信息
- 模型名称：qwen3-coder-next
- 用例名称：排除指令
- 测试类型：文本生成
- 评测维度：指令遵循
系统提示词（System Prompt）
这是给 AI 模型的背景设定和角色指令：
你是一名严谨的文本审核专家，专注于验证输出内容是否严格遵守负向约束条件。 回答要求： 1. 仔细阅读题目中所有的「不能/禁止」类限制条件，在生成内容前逐一确认。 2. 输出结果须为清晰的列表格式，每条单独成行，并标注序号。 3. 完成输出后，主动自查每一项是否触碰了禁用项，确保零违规。 4. 内容应简洁准确，每条列举的动物名称清晰可辨，不使用模糊或生僻的别称来规避限制。
用户提示词（User Prompt）
这是用户给 AI 模型的具体任务要求：
请列举 5 种动物，每种动物单独占一行并标注序号（如：1. xxx）。 限制条件： - 不能包含「猫」（包括家猫、野猫等所有猫科家养动物的通称） - 不能包含「狗」（包括家犬、宠物犬等所有犬科家养动物的通称） 请在列举完成后，用一句话确认你的答案中不包含上述两种动物。
任务要求
AI 模型需要满足以下要求：
- 【数量合规】输出恰好包含 5 种动物，不多不少。
- 【禁项排除-猫】5 条答案中，不得出现「猫」字或任何以猫为核心指代的表述（如「家猫」「波斯猫」「野猫」等）。
- 【禁项排除-狗】5 条答案中，不得出现「狗」字或任何以狗为核心指代的表述（如「家犬」「哈士奇」「泰迪」等）。
- 【格式规范】每种动物单独成行，并附有正确的序号（1-5）。
- 【自查声明】答案末尾须包含一句明确的自查确认语，说明已排除猫和狗。
- 【内容合理】所列举的均为真实存在的动物，名称准确无歧义。
评测结果
综合得分
该模型在此用例的得分为：100.0 分（满分 100 分），已通过
基础难度评测结果
- 得分：100.0 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
1. 老虎 2. 大象 3. 长颈鹿 4. 企鹅 5. 青蛙 经确认，以上5种动物中不包含“猫”或“狗”。
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】候选输出中列举的5种动物（老虎、大象、长颈鹿、企鹅、青蛙）均不包含「猫」或「狗」及其任何变体，完全符合负向约束条件。末尾也有明确的自查声明确认排除了猫和狗。约束遵循零违规。 【GEMINI】模型表现优秀，完美执行了所有指令要求，包括负向约束排除、格式规范以及自查确认，输出内容准确且符合逻辑。 【KIMI】该候选输出表现优秀，完全满足题目的所有功能要求和约束条件。在约束合规性、指令一致性和内容质量三个维度均达到满分标准，是一例规范的合规输出。
进阶难度评测结果
- 得分：94.8 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
中国古代在技术与知识领域长期处于世界前列。西汉时期已出现早期造纸原料的利用，东汉蔡伦改进工艺，使纸张更适于书写推广。唐代雕版印刷渐趋成熟，北宋毕昇进一步发展出活字排版，极大提升了信息传播效率。火药最早见于唐代炼丹文献，至宋代被用于军事，催生火箭、火铳等器械。指南针源自战国“司南”，北宋时以人工磁化技术制成罗盘，广泛应用于航海，推动远洋探索。这四项技术体系通过丝绸之路与海上贸易传至东亚、中东及欧洲，深刻影响了人类文明进程，为知识保存、传播、能源利用与空间定位提供了关键支撑。（198字）
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】候选输出在最关键的约束遵从性维度表现完美，全文零违规；四大发明覆盖完整，字数达标，内容准确且具备一定历史深度。语言整体流畅，替代词汇运用自然得体。主要不足在于文风偏向工整罗列，文采与感染力略逊于参考答案，且末尾自注字数「（198字）」稍显多余。综合来看，这是一篇高质量的合规输出。 【GEMINI】模型表现出色，不仅完美遵守了所有负面约束（禁用词），还精准达成了字数与内容覆盖要求。文章语言平实专业，逻辑结构严谨，展现了极高的指令遵从能力与文本组织水平。 【KIMI】候选输出在严格的词汇限制下表现出色，完全规避禁用词的同时保持了内容的完整性与表达的流畅性。四大发明覆盖全面，字数精准达标，替代表达策略得当，逻辑结构清晰。 minor瑕疵在于个别概括性用词的现代语境适配度，但整体质量优秀，展现了良好的指令遵从与内容生成能力。
困难难度评测结果
- 得分：74.4 分
- 通过状态：已通过
模型生成产物
以下是该模型针对此任务的实际生成内容：
一盏灯亮起时，他已站在门前二十三分钟 三片落叶静卧阶前，她推门而出脚步轻缓 四时风起，他递过围巾，指尖微凉 五秒沉默后，她接过，轻轻缠绕颈间 六步并作三步，两人并肩走入暮色 七处街灯渐次点亮，影子交错又分离 八年前那场雨，他记得她未撑伞 九月风中，她发梢沾着水珠 十指相扣时，世界忽然安静 十一月雪落无声，两人踩出两行脚印 十二月炉火旁，她煮粥，他添柴 十三次日升月落，日子悄然变暖 十四夜深，她靠他肩头数星星 十五分暖意，足够抵御整个寒冬
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【GEMINI】该生成结果呈现出明显的“文学性强、约束遵循差”的特点。在情感表达和意象构建上非常出色，成功避开了所有禁用的情感词汇。然而，作为专业评测，其在硬性约束上表现不佳：出现了禁用的“色”字，半数句子字数超限，且总字数远低于要求，最关键的是完全忽略了句子结束标点的使用。综合来看，虽然文章动人，但作为指令遵循任务，其完成度较低。 【KIMI】整体而言，这篇短文在严格遵守所有硬性约束的同时，成功地围绕爱情主题创作出了一个连贯、情感真实的故事。尽管在文学性和深度上可能有所限制，但考虑到约束的严格性，这样的成果已经相当不易。
相关链接
您可以通过以下链接查看更多相关内容：
