arXiv · NLP· Jian Hong, Chen Cheng, Quan Liu, Yuhao Chen, Enhong Chen·· 8 小时前AI 评分35
STAIF: 面向复杂指令遵循的分阶段优化框架
STAIF: A Stage-wise Optimization for Complex Instruction Following
AI 导读
针对 LLM 复杂指令遵循中硬约束易被忽视的问题，研究提出分阶段优化框架 STAIF，并在代表性基准上取得 SOTA 性能。 框架将主观软约束与可验证硬约束解耦：阶段 1 用多负样本偏好优化提升软约束敏感度，阶段 2 用 RLVR 强制满足硬约束。同时构建包含约 31,000 条复杂多约束指令的中英双语数据集 STAINSTRUCT。
来源：arXiv · NLP · arxiv.org