EIFBENCH：极复杂指令遵循评测基准 大模型为何搞不定多约束指令

EIFBENCH，一个专门用于评估大语言模型处理超复杂指令能力的基准测试。该基准突破了以往单一任务或简单约束的局限，构建了包含多任务并行与多维度约束的真实应用场景。研究者还同步开发了 SegPO（分段策略优化）算法，通过对复杂指令中的各个子任务进行针对性的奖励计算，显著提升了模型的执行精度。通过对20种主流模型的深度测评，结果揭示了现有模型在应对极高复杂度工作流时仍存在显著的性能缺口。该基准为未来开发更具鲁棒性和适应性的智能体系统提供了关键的评估框架与优化方向。