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
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程