Multi-IF: Benchmarking LLMs on Multi-Turn and Multilingual Instructions Following

一、论文在解决什么问题

1.1 一个具体场景

§1 p.1–2：真实用户-AI 对话多为 10+ 轮、跨语言；但指令遵循评测几乎全是单轮单语（IFEval/Arena/InfoBench 等）。约束在跨轮后是否仍被遵守（第一轮说「150+ 词」，第三轮的回答还记得吗）没有任何基准度量。

1.2 旧做法的缺口

§2 p.3：三类评测法各有短板——人评贵且不一致、模型判官依赖判官正确性且黑箱、规则判分可验证但「只到单轮单语」。Multi-IF 的定位：把规则/脚本评测（可验证指令）扩展到多轮+多语。

二、核心想法

一句话：用五步扩展管线把 IFEval「可验证指令」系统化升维成多轮×多语，再用四种准确率口径把「遵循」拆成可分别测量的四个量——多轮衰减与语言鸿沟都是这套口径下的可测现象。

直觉先打底：IFEval 之所有有效，是因为指令可机检（字数、格式、关键词）；Multi-IF 继承这一点，把「多轮」做成「每轮追加一条新的可验证约束」，把「多语」做成「同一约束的七语翻译」——评测的可验证性在升维中保持。

全篇就看这张：图 174——左：六代表模型的逐轮衰减曲线（0.877→0.707 的普遍下降+Llama 8B 的陡峭掉落）；右：四口径的逐轮分解（对话级严格口径崩得最快、宽松口径救回最多——两者的差就是「引语违规+衰减放大失败质量」的体量）。

形式化入口（§4.1 p.8）：评测协议是累积输入——第 t 轮把此前所有 prompt+response 拼接进上下文再生成；四种准确率（§4.1 p.8）：指令级严格（逐条达标率）、对话级严格（整轮全部达标率，「确保 AI 全程一致理解与执行」）、指令级宽松（去首句引语再评）、对话级宽松；最终指标 = 四者平均。它把问题重新形式化成了什么？从「回答好不好」变成「N 条可机检约束在 T 轮里的达标四元组」——衰减、遗忘、纠错全部变成这四元组的纵向变化。

三、数学基础（零起点，三件工具逐一拆解）

本节外部断言：几何衰减与乘积概率为标准工具；其余见文首核对状态块。

3.1 第一件：几何遗忘模型——逐轮衰减的均值形式

先摆问题。Table 1（p.6）里每个模型三轮的平均分都在跌（o1-preview 0.877→0.783→0.707），跌幅的形状是什么？

活路：设每条指令在后续轮被遗忘的风险为常数 h，则一条指令在第 t 轮仍被遵循的概率 ∝ (1−h)^(t−1)——几何衰减。指令级准确率的逐轮跌幅 = 前一轮水平的 h 倍（等比）。数值例（论文实测，Table 1 p.6）：o1-preview 0.877→0.783（跌 0.094），几何模型预测第二段跌 0.094×0.893 = 0.084，实测第二段跌 0.076——比几何预测更快减速。本站复现 P0：五模型里四个的 T3 预测误差 <0.02（几何结构成立），但「衰减减速」只有 3/5 成立——o1/GPT-4o/Claude 风险下降（超几何减速），Llama 家族风险近恒定。这个两档分裂是比「普遍衰减」更深一层的结构（§五.5 展开）。

3.2 第二件：四口径的组成结构——哪个口径衰减最快

先摆问题。四种准确率（指令级/对话级 × 严格/宽松）在同样的回答上算出来，它们的衰减速度为什么不同？

活路：对话级严格口径是累积合取——第 t 轮的回答必须满足迄今全部 3t 条约束，一条不满足即整轮判负。合取的概率结构（独立近似下）是乘积：约束数从 3 涨到 9，通过率按乘积坍缩。因此：conv_strict 跌幅 > inst_strict 跌幅（合取累积衰减最快）；strict/loose 差随轮扩大（衰减放大失败质量，宽松口径的救回量上升）；final（四者平均）夹在 conv_strict 与 inst_loose 之间。本站复现 P1 实测：conv_strict 跌 0.637、inst_strict 跌 0.153、strict/loose 差在两级都扩大（inst 0.030→0.073、conv 0.073→0.078）。

3.3 第三件：IFR 与 ECR——遗忘与纠错的独立测量

先摆问题。轮次衰减有两个相反的成分：旧约束被遗忘（IFR）与新错误被纠正（ECR）。怎么分开量？

论文的定义（§5.2–5.3 Eq 1/2 p.10）：

\mathrm{IFR} = \frac{\#\{\text{前轮已遵循、后轮未遵循}\}}{\#\{\text{前轮已遵循}\}} \times 100\%, \quad \mathrm{ECR} = \frac{\#\{\text{前轮未遵循、后轮遵循}\}}{\#\{\text{前轮未遵循}\}} \times 100\%

分母不同——IFR 的分母是「前轮已遵循」的集合，ECR 的分母是「前轮未遵循」的集合——两个比率各自追踪一个转移方向，合成一个 2×2 转移矩阵的读法。论文的发现（图 7/8 p.10–11）：IFR 前段（1→2）高于后段（2→3）——「surprisingly」；ECR 只有 o1 系突出（~25%，隐式思维链助纠错），其余模型相近低位。本站复现 P3：恒定风险下 IFR 两段相等（零假设）；引入强化效应后减速复现；ECR 由独立恢复概率驱动、与遗忘风险无关。

3.4 整体收拢

三件工具一条链：几何遗忘给出衰减的均值形式（3.1）→ 四口径分解给出衰减的层级结构（3.2，合取最快）→ IFR/ECR 把衰减拆成遗忘与纠错两个转移方向（3.3）。回到这篇：多轮衰减不是单一现象，是「新约束达标率 × 旧约束遗忘率 − 错误纠正率」的合成读数——论文把它拆开量了，但机制解释留白（p.10「further investigation is warranted」）。

四、记号与函数

五、机制

5.1 机制一：五步扩展管线——可验证性的升维保持

§3.1–3.5 p.4–5：①多轮扩展——每条 IFEval 单轮 prompt 随机抽一条指令类型（30 类，抽 variety）+Llama 3.1 405B 生成自然语言续轮（默认扩到三轮）；②冲突清除两步——Llama 405B 扫描跨轮矛盾（首轮短摘要 vs 次轮 800 词）+人审；③多语翻译——Llama 405B 翻 7 语+多语标注员审校（忠实性+母语风格，15% 平均重写）；④敏感内容移除——LLM 扫描+人审确认；⑤部分指令不翻译（「全大写」对中文无意义）。产出 4,501 对话（英语偏多：每条扩 2 个变体+部分语言不翻译+敏感移除，§3.5 p.5）。可验证性保持的关键：每轮追加的指令都从 IFEval 的 30 类可机检类型抽出——升维不降级。

5.2 机制二：四口径分解——「遵循」的四个可测量

§4.1 p.8：指令级严格（逐条判定）、对话级严格（整轮全过才算 TRUE——合取）、指令级宽松（去首句引语再评——修「Certainly, here is…」破坏全大写类指令）、对话级宽松；最终指标 = 四者平均。三种判定法的分工（§2 p.3）：人评细腻但贵且不一致、模型判官可扩展但依赖判官正确性且黑箱、规则判分标准化无偏但类型受限——Multi-IF 选规则判分，代价是只覆盖 30 类可验证指令。

5.3 机制三：读数——普遍衰减与非拉丁惩罚

§5.1–5.2 p.9–10 + Table 1 p.6：14 模型逐轮衰减普遍（o1-preview 0.877→0.707；Gemini-1.5-flash 掉最狠 0.725→0.496）；Qwen-2.5 72B 首轮第 4、三轮掉到第 7（快衰减型）；o1 系与 Llama 405B 衰减慢（「strong reasoning capabilities are beneficial for recovering from errors made in prior turns」p.2——推理帮助恢复）。多语侧：英语最好（Llama 405B ~0.85）、俄语普遍最差、Mistral 欧洲语言好于俄/印地/中（§4.2 p.9）；Gemini 伪拒绝（合理请求也拒绝）是弱点之一但非主因——主因是 Gemini 1.5 本身能力弱（英语首轮即弱，与 Scale leaderboard 一致，p.9）。

5.4 机制四：IFR 前高后低——意外的减速

§5.2 p.10 + 图 7 p.10：IFR(1→2) 普遍高于 IFR(2→3)——「surprisingly」。论文未给机制解释（「Further investigation is warranted」p.10 自认）。本站给出一个可检验假说（§六.1）：已遵循的约束在后轮被再次遵循的概率高于首轮（强化/惯性感），等价于遗忘风险随「已遵循时长」下降；同时新约束的加入稀释了注意力，两效应合成「前快后慢」。这一假说同时预测 ECR 应与 IFR 负相关（恢复多的模型遗忘少）——图 7/8 的 o1 系（低 IFR、高 ECR）与 Gemini（高 IFR、低 ECR）分布一致。

5.5 机制五：伪拒绝——Gemini 的次要病与主病

§4.2 p.9 + 附录 C：Gemini 倾向拒绝合理请求（连「全大写」都拒绝），剔除伪拒绝后 Gemini 排名改善（Table 4 p.14）——但「这不是 Gemini 1.5 弱表现的主因」（p.9：英语首轮即弱，与 Scale leaderboard 一致）。方法学注记：伪拒绝是响应级独立失败模式，与指令遵循正交；过滤它的收益 ∝ 伪拒绝率 × (1−基线达标率)，本站 P4 实测 Gemini 类（r=0.15）提升 4.34pp、其他类（r=0.03）提升 0.71pp——3 倍以上的差正好来自伪拒绝率的 5 倍差。

5.6 最值钱的实验

图 7 + 图 8 的 IFR/ECR 转移矩阵（p.10–11）：把「逐轮衰减」拆成遗忘与纠错两个方向的转移流，并发现 o1 系的 ECR 突出（隐式思维链）。它单独撑起「多轮衰减可分解、可归因」的主张——且是本篇与 o1 系推理能力研究（AdvancedIF 精读的对齐、ProRubric 精读的聚合都在训练侧）在「推理侧自修正」上的唯一接口。

六、数学展开

6.1 几何遗忘的两档分裂：风险下降 vs 风险恒定（接 §三.1）

补充：几何模型的本质是风险恒定假设——每条已遵循约束在每轮以固定 h 被遗忘。论文 Table 1 的五模型实测：o1（drop 0.094→0.076）、GPT-4o（0.119→0.093）、Claude 3.5（0.112→0.071）三家的第二段跌幅显著小于几何预测（风险下降）；Llama 405B（0.072→0.075）、8B（0.073→0.073）两家几乎恒定。两档分裂的候选解释（本站推断）：o1 系有隐式思维链（ECR 高的同一机制）在做轮间自检——纠错既是恢复也是「保持练习」；Llama 家族无此机制，风险由注意力衰减的基率决定。可检验推论：ECR 与 drop₂/drop₁（减速比）应跨模型正相关——论文只给了 14 模型的点，未做此相关（登记为本站可做实验）。

6.2 语言鸿沟的放大机制：为什么非拉丁惩罚随轮数增长（接 §三.2）

补充：o1-preview 的 EN−RU 差距逐轮 0.021→0.201→0.242——放大的不是语言能力的固定差，是衰减率的差：RU 的逐轮条件衰减（0.835→0.633 = −24%）远陡于 EN（0.856→0.834 = −2.6%）。机制候选：跨轮约束携带对「指令的语言敏感度」复合——俄语的约束表述在长上下文中的遵循更易漂移（形态学复杂+训练分布薄），每轮叠加。本站 P2 用逐语言衰减乘子拟合（r_EN=0.974 vs r_RU=0.758）预测 T3，RU 误差 0.051（几何也不准——RU 强减速），证实语言层衰减非几何。拉丁语言间（FR−IT）差距不放大——非拉丁惩罚不是「翻译质量」的单轮差，是多轮保持的差。推论：多语言评测若只测单轮会系统性低估语言差距；这个结论对任何多语基准的适用域都有约束力。

七、前置知识：这篇牵出了什么

八、扩展与发散

8.1 连一连：多轮指令评测的两代方案与「判官不用会做题」的分水岭

发散：Multi-IF 与 MultiChallenge 精读是同组（Meta Yun He 线）对同一问题（多轮指令遵循评测）的两代方案，分水岭在判官：Multi-IF 继承 IFEval 的规则判分（可验证指令类型受限——只到格式/关键词/长度类，语义性指令不可验证），MultiChallenge 转向实例级 rubric 判官（任何可写成交核问题的指令都可测，代价是判官一致率要单独审计）。AdvancedIF 精读则站中间：verifiable 判据 + LLM 判官混合。三篇连读的技术演化线：可验证性的来源从「指令类型白名单」移向「判据问题的人工写作」再移向「判官对齐」——每一步扩大覆盖面、每一步引入新的判官风险（RaR-Hack 精读的 exploit、LLMBar 精读的宽放行）。回到这篇：Multi-IF 的规则判分是三条路线中最不可 hack 的（没有判官可骗），这也是它至今仍被 MultiChallenge/AdvancedIF 当对照的原因。

8.2 轮次衰减的谱系归并：三个基准同一种形状

发散：轮次衰减现在有三个独立来源——Multi-IF（IFEval 可验证指令，0.877→0.707）、MultiChallenge 精读（rubric 判官，前沿全 <50%）、AdvancedIF 精读（多轮携带约束，CC 类 51.0→56.4 有 RIFL 训练才涨）。三者的共性：约束的跨轮保持比新约束的首轮满足更难。机制候选各不同（注意力稀释/上下文分配/自修正缺失），但可检验推论一致：对话级严格口径的衰减快于指令级（合取累积）——本站 P1 证实。跨谱系推论：任何「多轮对话保持力」的训练干预（RL/上下文管理/记忆机制）都应该以 conv 级口径的改善为验收标准，inst 级改善可能是假的（首轮能力）。回到这篇：四口径分解的价值正在于此——它把「多轮能力」拆成了可以分别验收的量。

8.3 语言鸿沟放大与「多语评测的单轮陷阱」

发散：本篇 P2 复现的语言鸿沟放大（EN−RU 0.021→0.242）意味着：单轮多语评测会系统性低估语言差距——差距是多轮保持的差，不是首轮能力的差。这修正了一个普遍的评测实践：多语基准（XTREME-R 等，§2 p.3 转述）若只测单轮，会把「多轮保持的语言不平等」隐藏。与本站 HealthBench 精读（医疗域）合读：HealthBench 只测英语单轮——它的「语言鸿沟」根本不在测量范围内。可检验推论：任何多语基准加一轮「前轮约束仍遵守」的检查，都会放大语言差距。回到这篇：这是本篇对多语评测实践最可操作的贡献。

8.4 常见误读（破）

「0.877→0.707 说明 o1-preview 遗忘了 17% 的能力」。破：IFR 与整体准确率下降是两个量——准确率下降 = 遗忘（旧约束丢失）+ 新约束未达标 + 部分纠错回补的合成读数；o1 系恰是「衰减慢 + 纠错多」的组合。论文的 IFR 分母定义（前轮已遵循集合）保证了 IFR 度量的是「保持失败率」而非「能力下降率」，两数不可互换。

「非拉丁语言差是多语训练数据少的直接证据」。破：论文确实说「likely due to insufficient training data」（p.9），但本站 P2 的分解显示非拉丁惩罚是逐轮放大的衰减差而非首轮能力差（o1 的印地语首轮甚至高于英语）——训练数据少解释首轮，衰减放大需要另一个机制（长上下文中的跨语言约束保持）。把「数据少」当完整解释会漏掉多轮维度的额外惩罚。

8.5 写作之维（论文自己怎样完成说服）

Figure 1 的排名-分数双轴图把 14 个模型压成一目了然的序——排名轴（左）与准确率轴（右）的解耦让「排名接近但分数差距大」的模型对可见。Table 1 的三轮×八语大表是全篇的读数底座，但论文的说服重心在 Figure 7（IFR）——「surprisingly」一词把反常发现标记为贡献。§5.5 的跨域解释（writing +16.0 之谜）被 ProRubric 精读后续接走——本篇的开放问题成了那篇精读的入口之一（谱系互锁）。Limitations 只有两句单轮/判官校准——多轮（真实 10+ 轮 vs 本篇 3 轮）的削减是最大的适用域缺口但被「three turns」的中性表述带过。

九、局限与可疑处

1. 只有 3 轮：真实对话 10+ 轮（p.2 自述），3 轮的衰减外推到 10 轮无依据（几何模型下 o1 第 10 轮 ≈ 0.35，线性外推 ≈ 0.55——形状未验证）。
2. 可验证指令类型限制：30 类 IFEval 类型全是格式/长度/关键词类，语义性指令（「用幽默语气」）不可验证不入考——「指令遵循」的覆盖面是类型白名单。
3. 翻译即语义：多语版本是英译（+人审），「印地语母语者真实会怎么提约束」未保证；部分指令不翻译（全大写类）造成跨语言判据集不对齐。
4. 恰当性无真人：规则判分无主观质量问题——「回答是否自然/有帮助」不在测量范围。
5. 判官=脚本无独立校准：脚本判定本身的 bug 风险靠开源代码审计（repo 已开源——本站未逐行核——登记）。

十、验证结果（最小复现）

10.1 范围声明

论文主实验是 14 个真实 LLM 在 4,501 个多语对话上的评测（Meta 内部基建+多语标注）。本复现是多轮衰减与遗忘机制的合成演绎：几何遗忘模型对 Table 1 读数的预测力、四口径分解的序约束与衰减排序、语言鸿沟放大、IFR 减速与 ECR 分离、伪拒绝偏置五件机制，全部纯 CPU、LCG 确定性；Table 1 的 5 模型×3 轮均值与 o1 逐语言读数硬编码自论文 Table 1（p.6，引用并注明）。论文真实数字只作引用并注明出处。

10.2 可证伪预测与判据（轮 4 终版，运行前写死于脚本 docstring）

• P0 几何遗忘：5 模型的 T1→T2 条件衰减估计 r 后，几何模型预测 T3 误差 <0.02 对 ≥4/5 模型；两档分裂（恰 3/5 风险下降：o1/GPT-4o/Claude；Llama 家族近恒定）。
• P1 四口径结构（轮 3 修正：约束携带语义）：conv_s 最小、inst_l 最大、final 居间；conv_strict 跌幅 > inst_strict 跌幅；strict/loose 差两级都扩大（轮 3 的「inst 级近恒定」数学上不成立——衰减放大失败质量）。
• P2 语言鸿沟放大：EN−RU 差距逐轮单调放大（0.021→0.201→0.242）；FR−IT 不放大；RU 强减速（0.202→0.102）而 EN 轻加速（0.022→0.061）——语言层衰减非几何（轮 2 发现）。
• P3 IFR 减速与 ECR：强化模型（ρ=0.35）复现 IFR(2→3)<IFR(1→2)；ECR 由独立恢复概率驱动（o1 档 >2× 其他档且 >0.2）。
• P4 伪拒绝偏置：过滤后 Gemini 类（r=0.15）提升 >3× 其他类（r=0.03）；过滤不翻能力排序。

10.3 实现演化（四轮，如实登记）

轮 1（3/5）：三处预登记过度或错误——P0 的「衰减减速 ≥4/5」被否定（Llama 家族 drop₂≈drop₁ 恒定风险）；P1 的「final 居于 inst_s 与 inst_l 之间」数学上不成立（final 是四值均值，conv_s 可以把它拉低）且 conv_strict 漏了跨轮累积合取；P2 的逐语言几何 T3 预测失败（RU 误差 0.051——语言层衰减非几何）。轮 2（5/5 中间态，未冻结）：P0 断言重构为「两档分裂」（几何预测的 drop₂ 对照实测：o1/GPT-4o/Claude 风险下降、Llama 家族近恒定——恰 3/5）；P1 改累积合取语义+序约束修正；P2 删几何预测、改衰减形状断言（RU 强减速/EN 轻加速）。轮 3（4/5）：P1 的 inst 计数范围修正（carried 约束在指令级也被复查——论文指令级同样衰减的保真修正）后，「inst 级 strict/loose 差近恒定」被否定——衰减放大失败质量，loose 救回量必然上升（数学必要）。轮 4（冻结，5/5）：P1 断言改为「两级差都扩大」。核心教训：合成世界的序约束要先做数学可行性检查——「final 居于两口径之间」「gap 近恒定」都是未检验的直觉断言，写进预登记前先推一遍不等式。

10.4 运行结果与预测对照

脚本 repro/repro_multiif.py，真实输出 repro/repro_multiif_output.txt（轮 4 冻结，输出 sha256 前 16 位 6e6a79789a6fc3ed；两次运行逐位一致）。5 断言 5 PASS，[Re] 全过。

结论：[Re] 全部假说复现通过——四轮冻结（轮 1 五处世界/断言误设、轮 2 断言重构、轮 3 inst 计数保真修正+断言被否定、轮 4 数学修正，均如实登记）；轮 1 的 P2 几何预测失败转化为「语言层非几何」的真发现。

十一、方法论提炼与迁移

模式一：基准升维管线（Benchmark Dimensional Lifting）

• 操作定义：把单轮×单语的可验证基准通过「随机抽类型+LLM 生成续维→冲突清除→翻译+审校→敏感移除」四步系统化升维成多轮×多语版本——每步保留原基准的可验证性，升维不降级。
• 成功判据：升维后读数显著低于原基准（Multi-IF 相对 IFEval：前沿从 ~0.9 降到 0.7）；原基准的排序在升维后大体保持（则升维测的是同一能力的新维度）；每步有独立质检（冲突清除两步/翻译 15% 重写率/敏感移除）。
• 迁移去向：①代码评测——HumanEval 单函数→多轮迭代修改→多语言移植；②安全红队——单轮攻击→多轮社会工程→多语言攻击；③Agent 任务——单步工具调用→多步任务链→多接口泛化。
• 方法卡：notes/method_benchmark_dimensional_lifting.md（L1）
• 层级：L1 领域具体（评测工程）。

模式二：遗忘-纠错转移分解（Forgetting-Correction Transfer Decomposition）

• 操作定义：把多轮/多步系统的逐轮衰减拆成两个转移比率——遗忘比（前状态良好→后状态坏）与纠错比（前状态坏→后状态好）——分别报告，使「衰减」可归因到保持失败还是修复缺失。
• 成功判据：两比率的分母互斥（已遵循集 vs 未遵循集），合成后与总衰减自洽；可发现「衰减慢 = 遗忘少 + 纠错多」的分解（o1：IFR 低 + ECR 高）；可发现反常结构（IFR 前段高于后段=减速）。
• 迁移去向：①SRE 运维——故障率分解为「回归率」（修好的再坏）与「修复率」（坏的修好），验收修复有效性；②慢病管理——指标控制分解为「保持失败」与「补救成功」两个转移方向；③代码评审闭环——「评审通过→后续破坏」与「评审打回→后续修复」分开度量。
• 方法卡：notes/method_forgetting_correction_decomposition.md（L1）
• 层级：L1 领域具体（纵向测量/系统可靠性）。

十三、没搞懂的地方（未攻克登记）

1. IFR 前高后低的机制：论文只说「warranted further investigation」（p.10 自认）。本站假说=强化效应（已遵循更难被遗忘），未做干预验证。补齐时机：受控实验（同约束跨轮重复 vs 新约束的对比臂）。
2. writing +16.0 反升：§5.5 的跨域反常（ProRubric 篇同款开放问题）——写作策略「整合而非追加」假说未验证。补齐时机：生成策略的内容分析。
3. 四口径的相关结构：四口径是否可压缩（conv_strict 是否可由 inst_strict 序列预测）未分析。补齐时机：repo 数据上的相关/回归。
4. 多语翻译的等价性：15% 重写率意味着多数翻译未被重写——翻译质量对判据可验证性的影响未审计。补齐时机：抽验非拉丁判据的可执行性。
5. v1→v2 diff：2024-11-13 修订内容不明。补齐时机：arXiv diff。

十四、可信度

• A 级：§3 扩展管线（p.4–5）、Table 1 三轮×八语读数（p.6）、Table 2 排名（p.7）、§4.1 评测协议与四口径（p.8）、§5.1–5.3 衰减/IFR/ECR（p.9–11）、Eq 1/2（p.10–11）。
• B 级：Figure 1/6/7/8/9（图读）；Table 5 开源读数；伪拒绝分析（附录 C，引用层）。
• C 级：§三 三本账、§六 两段推导、复现 P0–P4 全过。
• D 级：§8.1–8.3 谱系合读、两档分裂的候选解释、语言鸿沟放大推论。
• 横向核实初核（2026-10-08）：版本 v2 已核（abs 页 2026-10-08 亲核；v1 2024-10-21 / v2 2024-11-13；v1→v2 diff 未核——登记）；机构 Meta 已核（p.1 通讯邮箱+HF facebook 组织）；工件已核（HF facebook/Multi-IF + github facebookresearch/Multi-IF 官方组织名亲核，仓库内容未深访——登记）；统计审查：Table 1 每格点估计无置信区间（登记）；四口径的均值化掩盖对话级崩塌速度（本站 P1 分解揭示——登记）；Scale leaderboard 为脚注引用未亲访（登记）。
• 实验充分性评价：部分充分——14 模型×8 语×3 轮的覆盖广，但无逐轮采样方差、无判官校准审计、机制分析（IFR 减速/纠错）停留在相关观察。缺：多轮深度的形状验证与干预实验。
• 性能支撑目标检查：goal「多轮多语指令遵循的可信评测」——支撑（管线+口径+双维扩展）；「可验证指令的可验证性在升维中保持」——支撑（每轮追加 IFEval 30 类内指令）。