STAIF分阶段优化复杂指令遵循

研究者提出 STAIF 分阶段优化框架，把主观软约束的对齐与客观可验证硬约束的优化分开处理：第一阶段用多负样本偏好优化提升模型对软约束的敏感度，第二阶段用 RLVR 强化硬约束的严格满足。团队同时构建了约 31,000 条中英双语多约束指令数据集 STAINSTRUCT。研究者称，该框架在代表性基准上取得 SOTA 表现，并展现出泛化能力。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。