LIFT-Bench 公开 784 个测试任务，LIFT-Train 公开 34,258 个训练任务，用来评估只作用于长篇结构化输出某些段落的局部约束。Apache-2.0 代码包含合成与评测流水线。分数依赖固定的 Gemma judge，AI21 报告的 benchmark 外收益也很小。
AI21 开放 LIFT-Bench 测量长文局部指令遵循
2026-10-25前沿观察TRIAL
LIFT-Bench 公开 784 个测试任务，LIFT-Train 公开 34,258 个训练任务，用来评估只作用于长篇结构化输出某些段落的局部约束。Apache-2.0 代码包含合成与评测流水线。分数依赖固定的 Gemma judge，AI21 报告的 benchmark 外收益也很小。
对你意味着什么
对训练模型写报告、计划或文档的团队来说，段落级约束比“整篇都遵循一种格式”更接近生产。judge 依赖与第一方结果意味着它适合复跑验证，不能外推成通用能力提升。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| 任务 | 10 个 split、784 个测试任务；34,258 个训练任务 |
|---|---|
| 许可证 | Apache-2.0 代码与流水线 |
| Judge | google/gemma-4-31B-it；比较必须固定同一 endpoint |
| 人工核对 | AI21 报告在 305 个人工标注样本上 macro-F1 提高 11–19 点 |
| 时间依据 | AI21 页面 datePublished 为 2026-10-25T08:52:27Z；早于 overlap，按 late discovery 补录 |
技术影响 3
工程价值 4
采用信号 2
成熟度 3
验证成本 2
风险 2