**MMDM：首个大规模多任务决策基准，揭示模型在复杂约束与多选任务中的短板**

_MMDM: Measuring Massive Multitask Decision Making_

> 针对现有评估基准依赖旧数据且难以覆盖长上下文与复杂逻辑依赖的局限，研究团队推出了 MMDM（大规模多任务决策）基准。该基准包含 5,448 个高质量问题，涵盖 16 个任务类别，支持从单选到多选及软标签决策，并引入了 28 个决策模型进行综合测试。结果显示，尽管模型在常识知识上表现尚可，但在选项逻辑推理、约束规划及多选恢复等复杂场景下性能显著下降，这为未来决策模型的联合推理与约束感知发展指明了方向。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-11-11 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.14309)