compositional-constraints

本文介绍了约束饱和评估（CSE），这是一个程序化基准，用于测试LLM在1-12个同时约束下的表现，发现单个约束的通过率逐渐下降，但联合成功率在超过5-6个约束时崩溃，约束类型之间耦合较弱，推理时策略几乎无法缓解。