EMNLP（Conference on Empirical Methods in Natural Language Processing）是自然语言处理领域顶级国际会议之一，涉及机器翻译、文本生成、文本分类、信息抽取、问答系统、语言模型以及多模态理解等研究方向。
论文题目：VCIFBench: Evaluating Complex Instruction Following for Video Understanding
第一作者：许黄晨（2024级本科生）
收录会议：EMNLP 2026 Findings
指导教师：邬渊
论文概述：
针对现有视频理解基准难以全面评估多模态大语言模型复杂指令遵循能力的问题，本文提出VCIFBench评测基准，覆盖20类任务和40类约束类型，包含306条测试指令、540对偏好数据及30条冲突诊断样本，并设计融合规则验证、参数提取和大语言模型评判的混合评测流程。实验表明，模型在同时满足视频内容理解和多重输出约束方面仍面临较大挑战，而基于VCIFBench数据进行DPO训练能够有效提升模型的复杂指令遵循能力。
