复合问答：评估大语言模型在复合问题上的基准

本研究解决了现有大语言模型（LLMs）评估基准未能考虑复合问题中多重子问题的互动这一缺口。我们提出了复合问题合成（CQ-Syn），创建了复合问答基准，专注于复合问题的评估，揭示了LLMs在此类问题上的表现显著低于单一问题。同时，探索了多种提升LLMs在复合问题理解与推理能力的方法。研究结果表明，这些方法能显著改善模型在复合问题上的表现。