合规、能力与冲突：系统消息下多模态 LLM 的基准测试

英文标题：Compliance, Capability, and Conflict: Benchmarking Multimodal LLMs under System Messages

论文《Compliance, Capability, and Conflict: Benchmarking Multimodal LLMs under System Messages》以新论文形式发表于 arXiv，编号为 arXiv:2608.19207v1。研究关注生产环境中的多模态大语言模型（MLLM）如何依赖系统消息来约束和管理模型行为。作者指出，现有基准测试通常仅在文本中评估约束，或将约束嵌入用户轮次，因此未能充分覆盖系统消息场景。该研究对开发者和行业的意义在于，系统消息层面的合规性、能力表现及指令冲突处理需要更贴近真实部署环境的评测方法。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB