arXiv · cs.AI· Tianxiang Gao, Yahan Li, Chenlu Guo, Diana Inkpen, Yi Chang, Yuan Wu·· 6 小时前
ReFormBench：评测大语言模型响应条件格式纠正的稳定性
ReFormBench: Benchmarking the Stability of Response-Conditioned Format Correction in Large Language Models
arXiv:2610.19693v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Tianxiang Gao, Yahan Li, Chenlu Guo, Diana Inkpen, Yi Chang, Yuan Wu
研究任务与主要进展
作者提出ReFormBench，以模型对同一问题的无约束响应作为格式基线，评测大语言模型在不同指令变体下纠正既有格式的能力。基于论文摘要，该基准包含来自910个源问题的5000个三约束测试实例，覆盖66种格式特征；十个模型的EMCR为34.04%至64.72%，最高三目标纠正估计为50.02%。Qwen3.5-9B上的提示实验同时改善完整指令合规和纠正指标，代码与数据已提供。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org