procedural-faithfulness

介绍CDR-Bench，一个包含3,462个任务的基准，用于评估LLM忠实执行组合性、顺序敏感数据精炼指令的能力。在10多个LLM上的实验表明，在组合性和顺序敏感的设置中性能显著下降，凸显了缺乏执行流程的忠实性。