arXiv · cs.AI· Tianxiang Gao·· 13 天前AI 评分34
ReFormBench：评测大语言模型响应条件化格式纠正稳定性的基准
ReFormBench: Benchmarking the Stability of Response-Conditioned Format Correction in Large Language Models
来源与原文
arXiv · cs.AI
作者：Tianxiang Gao
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.19693v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
ReFormBench 是一个以模型对同一问题的无约束响应作为格式基线、评测大语言模型格式纠正稳定性的基准，包含源自 910 个源问题的 5,000 个三约束测试实例，覆盖 66 种格式化特征。在十个模型上，EMCR 指标介于 34.04% 至 64.72%，最高的三目标纠正估计为 50.02%，合规与纠正得分产生不同排名。在 Qwen3.5-9B 上的提示词实验同时提升了两个指标，代码与数据已开源。
来源：arXiv · cs.AI · arxiv.org