提出CCR-Bench基准,用于评估大语言模型在复杂约束、控制流和真实工业场景下的指令遵循能力,通过内容-格式深度耦合、逻辑工作流控制和真实案例三方面构建评测任务,揭示当前模型在此类复杂任务上仍存在显著性能缺陷。
机构:中国移动
来源:arXiv 2603.07886 | AI4Papers 论文推荐平台