标签
文章介绍了VSysBench，一个评估多模态大语言模型在系统消息下约束合规性与答案正确性的基准。研究发现系统消息降低了任务准确率，且开源权重模型与专有模型的合规表现存在差异。
这则 PSA 提醒 DeepSeek-V4-Flash-0731 用户：系统角色消息会被提升到最顶部，破坏提示缓存和邻近性，并建议改用 latest_reminder。