一句话定义：图像编辑的指令遵循率（instruction following rate），指在一批改图任务中，模型「只改了你让它改的地方、其余部分原封不动」的次数占比。
它其实在问两件事
这个词看着像单一指标，实际是两件事的合体：
1. 改对了吗——你说「把外套换成红色」，外套真的红了；
2. 没让它改的地方保住了吗——脸还是那张脸，背景还是那个背景。
两件事都成立才算「遵循」。「外套红了但人也整容了」「人物没变但背景从咖啡馆变成雪山」，都会使这项指标下降。所以它本质上是衡量生成模型局部可控性的指标，而不是图像质量的指标。
打个比方：装修师傅
你请师傅「把这面墙刷成绿色」。他刷了墙，这算过关；但他顺手把你的沙发换了色、把墙上的画挪了位置、还给你换了张脸，那这活就不能验收。理想的图像编辑应该像 Photoshop 里的图层蒙版（mask）：蒙版内随便改，蒙版外一个像素都别动。问题在于，现在的扩散模型（diffusion model）做的是「整张图重新画一遍」，而不是「在原图上抠一块改」。只要整图重绘，就有身份漂移（identity drift）和背景漂移的风险，这也是指令遵循率天然不高的原因。
常见缓解手段包括局部重绘掩码（inpainting）、参考图与身份保持（identity preservation）、以及更强的指令解析——但都是缓解，不是消除。
和相邻概念的区别
| 概念 | 它问的问题 | 举例 |
|---|---|---|
| 指令遵循率 | 该改的改了吗？不该改的动了吗？ | 只换衣服，脸和背景不变 |
| 图像质量与美观度 | 这张图好看吗、清晰吗？ | 生成的人物皮肤纹理真实 |
| 编辑成功率 | 这次编辑达到目标了吗？ | 衣服确实变红了 |
| 可控性（controllability） | 模型能不能被精确指挥？ | 一种能力 |
| 指令遵循率 | 上面这项能力的量化指标 | 一个数字 |
顺带一提，它和文本大模型的 instruction following 不是一回事。文本只问「你按我说的写了吗」；图像还要额外问「你没动别的地方吧」，多了一个「保真」的维度。
对从业者和普通人的意义
对做产品的人：别用单张精修 demo 判断模型好坏，那是最容易挑出来的一张。要做成对评测——一条指令一个样本，同时看修改区域正确率和非修改区域的一致性（常用像素差异、结构相似度一类指标衡量），并且专门测「多条指令叠加」和「改一处不影响另一处」的场景。具体指标定义和数值以各家官方页面为准。
对普通用户：你不需要背这个术语，只需要感受它。重试次数就是指指令遵循率的体感翻译——一句话就能改对，说明遵循率高；要反复抽卡、每次都顺手改脸，说明低。挑工具时优先看它有没有「局部选区」这类功能，那相当于把蒙版交到你手里，比指望模型自觉要靠谱得多。