Khả năng tuân theo hướng dẫn là một chỉ số hiệu suất cho thấy mức độ chính xác mà LLM có thể tạo ra đầu ra phản ánh các hướng dẫn và ràng buộc kịp thời.
Hướng dẫn theo dõi là trục đánh giá đo lường mức độ LLM có thể tuân thủ chặt chẽ các ràng buộc như định dạng, âm sắc, định dạng đầu ra và các lệnh cấm có trong lời nhắc hệ thống và hướng dẫn người dùng, đồng thời được tăng cường bằng Điều chỉnh lệnh và RLHF. Các tiêu chuẩn ngành thường được định lượng bằng cách sử dụng các điểm chuẩn như MT-Bench và IFEval. Tuy nhiên, trong các hoạt động thực tế kể từ năm 2026, thường có các báo cáo trong lĩnh vực "hướng dẫn bị chôn vùi", trong đó các điều kiện ở giữa hướng dẫn bị bỏ qua khi hướng dẫn trở nên dài hơn và hiện tượng chỉ tuân theo một phần hướng dẫn khi nhiều điều kiện xung đột. Đặc biệt, khi sử dụng lời nhắc hệ thống dài bao gồm nhiều công cụ trong quy trình làm việc dựa trên agent, mỗi mô hình có điểm mạnh khác nhau về khả năng theo dõi, do đó, điều cần thiết là không chỉ tiến hành so sánh độ chính xác đơn giản mà còn cả xác minh phép đo thực tế cho từng nhiệm vụ. Về mặt chi phí, các mẫu cao cấp hơn, dễ theo dõi hơn thường có đơn giá cao hơn và người ta thường sử dụng các mẫu rẻ tiền cho các nhiệm vụ nhẹ và các mẫu hiệu suất cao cho các nhiệm vụ yêu cầu tuân thủ nghiêm ngặt.