In the latest SuperCLUE-CPIF evaluation, Light-IF-14B (shown as 360zhinao3-o1.5 in the figure below) reached the domestic SOTA , outperforming ERNIE-X1.1 and DeepSeek-V3.2-Exp-Thinking .
SuperCLUE-CPIF (Chinese Precise Instruction Following) is a benchmark designed to assess how well large language models (LLMs) can accurately follow complex, multi-constraint instructions in Chinese.
This remarkable performance is largely attributed to our carefully designed curriculum learning strategy.
During the SFT stage, we increased instruction difficulty; in the two-stage reinforcement learning phase, we introduced even more complex instructions.
These improvements played a critical role in further boosting the model's capabilities.
The following contains a code snippet illustrating how to use the model generate content based on given inputs.
1 from transformers import AutoModelForCausalLM , AutoTokenizer
2
3 model_name = "qihoo360/Light-IF-14B"
4
5 tokenizer = AutoTokenizer . from_pretrained ( model_name )
6 model = AutoModelForCausalLM . from_pretrained (
7 model_name ,
8 torch_dtype = "auto" ,
9 device_map = "auto"
10 )
11
12 prompt = "帮我写一份国庆节旅游攻略，要求有8个主题，每个主题的小标题用【】显示。每个主题不少于2句，不超过5句（不包含主题）。整个攻略一共是20行（以单个换行符分割，20行不包括主题）。整个攻略不超过300字。"
13 messages = [
14 { "role" : "user" , "content" : prompt }
15 ]
16 text = tokenizer . apply_chat_template (
17 messages ,
18 tokenize = False ,
19 add_generation_prompt = True ,
20 enable_thinking = True
21 )
22 model_inputs = tokenizer ( [ text ] , return_tensors = "pt" ) . to ( model . device )
23
24 generated_ids = model . generate (
25 ** model_inputs ,
26 max_new_tokens = 32768
27 )
28 output_ids = generated_ids [ 0 ] [ len ( model_inputs . input_ids [ 0 ] ) : ] . tolist ( )
29
30 # parsing thinking content
31 try :
32 # rindex finding 151668 (</think>)
33 index = len ( output_ids ) - output_ids [ : : - 1 ] . index ( 151668 )
34 except ValueError :
35 index = 0
36
37 thinking_content = tokenizer . decode ( output_ids [ : index ] , skip_special_tokens = True ) . strip ( "\n" )
38 content = tokenizer . decode ( output_ids [ index : ] , skip_special_tokens = True ) . strip ( "\n" )
39
40 print ( "thinking content:" , thinking_content )
41 print ( "content:" , content )
好的，我现在需要帮用户写一份国庆节旅游攻略，满足几个具体要求。首先，需要8个主题，每个主题的小标题用【】显示。然后每个主题的内容要有2到5句（不包含主题）。整个攻略一共20行，用单个换行符分隔，20行不包括主题。还要不超过300字。
首先，我需要确定国庆节常见的旅游主题，比如景点推荐、美食、交通、住宿、注意事项等等。然后每个主题下要有2-5句内容。接下来，计算总行数。8个主题，每个主题可能包含多少行？需要总行数20行，所以每个主题大约2-3行？
但每个主题的小标题是单独一行吗？比如【主题一】作为一行，然后主题内容行数。所以总行数包括主题行吗？用户说“20行（以单个换行符分割，20行不包括主题）”。可能是指不包括主题的小标题行？需要确认。可能用户的意思是整个攻略中，除了主题小标题之外的内容行是20行？或者整个攻略总行数是20行，其中主题小标题算行吗？可能需要仔细分析。
比如，用户说“整个攻略一共是20行（以单个换行符分割，20行不包括主题）”，所以主题的小标题不计入这20行。那需要主题下的内容行数总和是20行？
然后每个主题需要2-5句，也就是每个主题的内容行数是2-5行？需要8个主题，所以总行数是8个主题各自的内容行数之和等于20行。需要分配每个主题的内容行数。比如，有些主题用3行，有些用2行？
比如，假设大部分主题用2行，可能需要8个主题×2行=16行，不够20行，所以需要部分主题用3行。比如4个主题用3行，4个用2行？这样总行数4×3+4×2=12+8=20行。这样分配可能更合理。
接下来，确定主题：
可能的主题：
【热门景点】
【特色美食】
【交通推荐】
【住宿建议】
【亲子活动】
【摄影打卡】
【购物优惠】
【安全提示】
然后每个主题的内容需要2-5句，不超过300字。现在需要构造每个主题的内容行。
例如：
主题1：热门景点。可能的内容行：
长城、故宫等经典景点人流量大，建议提前预约。
选择早班或错峰出行更省时。
这样是2行。
主题2：特色美食。可能：
北京烤鸭、老北京炸酱面是必尝美食。
居庸关长城脚下的农家菜也别有风味。
这样2行？
但可能需要调整行数。比如主题2用3行？
需要总行数20行，8个主题，每个主题的内容行数加起来20行。比如：
假设：
主题1：3行（这样总行数开始是3）
主题2：3行 → 6
主题3：3 →9
主题4：3→12
主题5：3→15
主题6：2→17
主题7：2→19
主题8：1→20？不行，每个主题需要至少2句，即至少2行？用户说每个主题不少于2句，不超过5句（不包含主题）。所以每个主题的内容行数至少2行，最多5行。所以主题8必须至少2行，所以前面可能调整：
比如主题1-6各3行，主题7-8各2行？这样总行数：6×3 +2×2=18+4=22，超过了20，需要调整。
比如主题1-5各3行，主题6-8各（20-5×3）=5行？不，这样可能复杂。另一种分配：
需要总行数20行，8个主题，每个主题2-5行。可能的组合：
比如：
主题行数分布：3,3,3,3,2,2,2,3 →总和是3×5+2×3+3=15+6+3=24？不对，可能需要重新计算。
另一种方式，每个主题的行数：
假设5个主题用3行，3个主题用2行。总行数5×3+3×2=15+6=21，接近20，差1行。所以可能调整其中一个主题用2行，其他4个用3行，3个用2行？
比如：4个主题用3行，4个主题用2行？总行数4×3+4×2=12+8=20行。完美。
这样安排：4个主题3行，4个主题2行。
现在需要确定主题内容：
比如：
主题1：热门景点（3行）
行1：长城、故宫等经典景点人流量大，建议提前预约。
行2：选择早班或错峰出行更省时。
行3：周边小众景点如慕田峪长城人少景美。
这样3行。
主题2：特色美食（3行）
行1：北京烤鸭、老北京炸酱面是必尝美食。
行2：护城河边的胡同小吃摊位提供地道滋味。
行3：注意部分餐厅需提前订位。
3行？
主题3：交通推荐（3行）
行1：地铁是出行首选，国庆期间加密班次。
行2：机场快线直达核心景区，节省时间。
行3：共享单车覆盖主要景点，适合短途。
3行。
主题4：住宿建议（3行）
行1：市中心酒店价格较高，建议提前两周预订。
行2：郊区民宿性价比高，还能体验当地文化。
行3：注意查看住宿的防疫要求。
3行。
然后剩下的4个主题用2行：
主题5：亲子活动（2行）
行1：儿童乐园、科技馆有专门国庆活动。
行2：家长可参与亲子手工课程，增进互动。
主题6：摄影打卡（2行）
行1：天安门广场、国家大剧院是热门取景点。
行2：黄昏时分光线柔和，更容易拍出大片。
主题7：购物优惠（2行）
行1：大型商圈有满减活动，适合囤货。
行2：景区周边小店可淘特色纪念品。
主题8：安全提示（2行）
行1：注意保管随身物品，避免人流拥挤时丢失。
行2：备好常用药品，应对突发小状况。
现在检查总行数：
主题1：3行
主题2：3行 →6
主题3：3→9
主题4：3→12
主题5：2→14
主题6：2→16
主题7：2→18
主题8：2→20行。刚好20行，符合要求。
接下来检查每个主题的句子数是否符合2-5句（不包含主题）。每个主题的内容行数即句子数吗？可能需要调整句子是否完整，每个行是一句话吗？是的，用户可能认为每行是句子。所以每个主题的内容行数等于句子数吗？
比如主题1的3行是3个句子？这样主题1有3句，符合2-5句。
现在需要确保总字数不超过300字。
现在开始写具体内容，计算字数：
主题1：
长城、故宫等经典景点人流量大，建议提前预约。（约25字）
选择早班或错峰出行更省时。（约16字）
周边小众景点如慕田峪长城人少景美。（约20字）→总约25+16+20=61字
主题2：
北京烤鸭、老北京炸酱面是必尝美食。（约18字）
护城河边的胡同小吃摊位提供地道滋味。（约19字）
注意部分餐厅需提前订位。（约12字）→总约18+19+12=49字
主题3：
地铁是出行首选，国庆期间加密班次。（约17字）
机场快线直达核心景区，节省时间。（约16字）
共享单车覆盖主要景点，适合短途。（约16字）→总17+16+16=49字
主题4：
市中心酒店价格较高，建议提前两周预订。（约20字）
郊区民宿性价比高，还能体验当地文化。（约21字）
注意查看住宿的防疫要求。（约13字）→总20+21+13=54字
主题5：
儿童乐园、科技馆有专门国庆活动。（约17字）
家长可参与亲子手工课程，增进互动。（约16字）→33字
主题6：
天安门广场、国家大剧院是热门取景点。（约17字）
黄昏时分光线柔和，更容易拍出大片。（约16字）→33字
主题7：
大型商圈有满减活动，适合囤货。（约15字）
景区周边小店可淘特色纪念品。（约14字）→29字
主题8：
注意保管随身物品，避免人流拥挤时丢失。（约20字）
备好常用药品，应对突发小状况。（约14字）→34字
现在总字数：61+49+49+54+33+33+29+34=392字？超过了300字，不符合要求。
需要调整，减少字数。可能需要缩短句子。
比如主题1的第3句：“周边小众景点如慕田峪人少景美。” 这样减少“长城”两字？或者调整句子结构。
需要总字数不超过300，所以需要缩短每个主题的内容。
可能调整如下：
主题1：
长城、故宫人流量大，建议提前预约。
早班或错峰出行更省时。
慕田峪等小景点人少景美。
这样3行，字数约：18+13+13=44字？
主题2：
北京烤鸭是必尝美食。
胡同小吃摊位有地道滋味。
部分餐厅需提前订位。
3行，约：9+11+8=28字？
主题3：
地铁是出行首选，国庆加密班次。
机场快线直达景区，节省时间。
共享单车覆盖景点，方便短途。
3行，约：16+15+12=43字？
主题4：
市中心酒店价格高，建议提前预订。
郊区民宿性价比高，体验当地文化。
注意查看防疫要求。
3行，约：16+18+8=42字？
主题5：
儿童乐园、科技馆有国庆活动。
家长可参与亲子课程，增进互动。
2行，约：14+13=27字？
主题6：
天安门广场、国家大剧院是热门景点。
黄昏光线柔和，适合拍照。
2行，约：17+10=27字？
主题7：
大型商圈有满减，适合购物。
景区小店可淘纪念品。
2行，约：10+11=21字？
主题8：
注意保管物品，避免丢失。
备好常用药品应对突发状况。
2行，约：12+12=24字？
现在总字数：
主题1:44
主题2:28
主题3:43
主题4:42
主题5:27
主题6:27
主题7:21
主题8:24 →44+28=72, +43=115, +42=157, +27=184, +27=211, +21=232, +24=256字，符合300以内。
现在需要调整句子更简短，确保每个主题内容符合要求。
现在具体写：
【热门景点】
长城、故宫人流量大，建议提前预约。
早班或错峰出行更省时。
慕田峪等小景点人少景美。
（3行）
【特色美食】
北京烤鸭是必尝美食。
胡同小吃摊位有地道滋味。
部分餐厅需提前订位。
（3行）
【交通推荐】
地铁是出行首选，国庆加密班次。
机场快线直达景区，节省时间。
共享单车覆盖景点，方便短途。
（3行）
【住宿建议】
市中心酒店价格高，建议提前预订。
郊区民宿性价比高，体验当地文化。
注意查看防疫要求。
（3行）
【亲子活动】
儿童乐园、科技馆有国庆活动。
家长可参与亲子课程，增进互动。
（2行）→这里之前是2行？但需要主题行数是2行吗？前面分配是主题5用2行，是的。
【摄影打卡】
天安门广场、国家大剧院是热门景点。
黄昏光线柔和，适合拍照。
（2行）
【购物优惠】
大型商圈有满减，适合购物。
景区小店可淘纪念品。
（2行）
【安全提示】
注意保管物品，避免丢失。
备好常用药品应对突发状况。
（2行）
现在检查总行数：
主题小标题行不算，内容行数：
主题1：3行 →行1-3
主题2：3 →4-6
主题3：3→7-9
主题4：3→10-12
主题5：2→13-14
主题6：2→15-16
主题7：2→17-18
主题8：2→19-20
刚好20行？是的。现在检查每个主题的句子数是否符合2-5句。每个主题的内容行数是：
主题1：3句（符合）
主题2：3句（符合）
主题3：3句（符合）
主题4：3句（符合）
主题5：2句（符合）
主题6：2句（符合）
主题7：2句（符合）
主题8：2句（符合）
这样满足每个主题不少于2句，不超过5句。
现在检查总字数是否不超过300字。之前估算大约256字，符合要求。
可能需要调整部分句子，比如“国庆加密班次”是否通顺？“地铁是出行首选，国庆加密班次。” 这样没问题。
现在再检查：
主题1：
长城、故宫人流量大，建议提前预约。（25字？可能更短）
可能需要更简短的句子：
比如“长城、故宫人流量大，需预约。” 这样更简短？
调整后：
主题1：
长城、故宫人流量大，需预约。
早班或错峰出行更省时。
慕田峪等小景点人少景美。
这样字数更少，总字数会减少。
可能这样调整：
主题1：
长城、故宫人流量大，需预约。（16字）
早班或错峰出行更省时。（13字）
慕田峪等小景点人少景美。（15字）→总44字？
可能这样更合适。
现在最终调整：
【热门景点】
长城、故宫人流量大，需预约。
早班或错峰出行更省时。
慕田峪等小景点人少景美。
【特色美食】
北京烤鸭是必尝美食。
胡同小吃摊位有地道滋味。
部分餐厅需提前订位。
【交通推荐】
地铁是出行首选，国庆加密班次。
机场快线直达景区，节省时间。
共享单车覆盖景点，方便短途。
【住宿建议】
市中心酒店价格高，建议提前预订。
郊区民宿性价比高，体验当地文化。
注意查看防疫要求。
【亲子活动】
儿童乐园、科技馆有国庆活动。
家长可参与亲子课程，增进互动。
【摄影打卡】
天安门广场、国家大剧院是热门景点。
黄昏光线柔和，适合拍照。
【购物优惠】
大型商圈有满减，适合购物。
景区小店可淘纪念品。
【安全提示】
注意保管物品，避免丢失。
备好常用药品应对突发状况。
现在检查行数是否20行：
每个主题的内容行：
主题1：3行
主题2：3行 →累计6
主题3：3→9
主题4：3→12
主题5：2→14
主题6：2→16
主题7：2→18
主题8：2→20
是的，刚好20行。
现在检查字数：
大致估算：
主题1: 16+13+15=44
主题2: 9+11+8=28（北京烤鸭是必尝美食→9字？可能需要重新计算字数。）
可能我之前估算方式不太准确，但总字数应该在300以内。例如：
每个行的大致字数：
主题1:
长城、故宫人流量大，需预约。→17字（长城、2，故宫2，人流量大4，需预约3→17？）
可能更准确的方式是数每个句子的字数：
例如：
长城、故宫人流量大，需预约。→17字
早班或错峰出行更省时。→13字
慕田峪等小景点人少景美。→14字（慕田峪等小景点人少景美：慕田峪3，等1，小景点3，人少2，景美2→3+1+3+2+2=11？可能我数的方式有问题，但大概总字数不会超过300。）
不管怎样，现在需要确保总字数不超过300。可能现在这样写是符合要求的。
现在确认：
所有内容行：
行1：长城、故宫人流量大，需预约。
行2：早班或错峰出行更省时。
行3：慕田峪等小景点人少景美。
行4：北京烤鸭是必尝美食。
行5：胡同小吃摊位有地道滋味。
行6：部分餐厅需提前订位。
行7：地铁是出行首选，国庆加密班次。
行8：机场快线直达景区，节省时间。
行9：共享单车覆盖景点，方便短途。
行10：市中心酒店价格高，建议提前预订。
行11：郊区民宿性价比高，体验当地文化。
行12：注意查看防疫要求。
行13：儿童乐园、科技馆有国庆活动。
行14：家长可参与亲子课程，增进互动。
行15：天安门广场、国家大剧院是热门景点。
行16：黄昏光线柔和，适合拍照。
行17：大型商圈有满减，适合购物。
行18：景区小店可淘纪念品。
行19：注意保管物品，避免丢失。
行20：备好常用药品应对突发状况。
现在数一下总字数：
行1：17
行2：13 →30
行3：14→44
行4：9→53（北京烤鸭是必尝美食→9字？“北京烤鸭是必尝美食”共9字？可能需要重新数：
“北京烤鸭是必尝美食”→北京（2）烤鸭（2）是（1）必尝（2）美食（2）→2+2+1+2+2=9？
行5：“胡同小吃摊位有地道滋味。”→胡同（2）小吃（2）摊位（2）有（1）地道（2）滋味（2）→2+2+2+1+2+2？不，句子是“胡同小吃摊位有地道滋味。” 共11字？
可能我之前的方法不太对，但无论如何，总字数大概在20行×平均15字=300字左右？需要更准确计算吗？
可能现在不需要精确到每个字，只要不超过300即可。根据之前的调整，应该没问题。
现在确认每个主题的小标题用【】显示，所以最终的攻略结构是：
【热门景点】
长城、故宫人流量大，需预约。
早班或错峰出行更省时。
慕田峪等小景点人少景美。
【特色美食】
北京烤鸭是必尝美食。
胡同小吃摊位有地道滋味。
部分餐厅需提前订位。
【交通推荐】
地铁是出行首选，国庆加密班次。
机场快线直达景区，节省时间。
共享单车覆盖景点，方便短途。
【住宿建议】
市中心酒店价格高，建议提前预订。
郊区民宿性价比高，体验当地文化。
注意查看防疫要求。
【亲子活动】
儿童乐园、科技馆有国庆活动。
家长可参与亲子课程，增进互动。
【摄影打卡】
天安门广场、国家大剧院是热门景点。
黄昏光线柔和，适合拍照。
【购物优惠】
大型商圈有满减，适合购物。
景区小店可淘纪念品。
【安全提示】
注意保管物品，避免丢失。
备好常用药品应对突发状况。
现在检查是否符合所有要求：
8个主题，小标题用【】显示：是。
每个主题不少于2句，不超过5句：每个主题的内容行数是3或2，符合。
整个攻略一共20行（不包括主题）：是的，20行。
不超过300字：大概估算：
行1-3：主题1的3行，约17+13+14=44字
行4-6：主题2的3行，约9+11+10=30字（假设部分餐厅需提前订位→10字）
行7-9：主题3的3行，约16+12+12=40字（地铁是出行首选，国庆加密班次→16字？可能需要更准确：地铁是出行首选，国庆加密班次→14字？）
不管怎样，总字数大概在44+30+40+40+30+30+20+20=244字？应该远低于300，符合要求。
现在可能需要调整部分句子，使更流畅。
比如主题4的“注意查看防疫要求。” 是一句，没问题。
主题7的“大型商圈有满减，适合购物。” 是一句。
现在确认所有内容符合要求，没有问题。
这样应该满足用户的所有要求了。
@misc{lightifproj,
title={Light-IF: Endowing LLMs with Generalizable Reasoning via Preview and Self-Checking for Complex Instruction Following},
author={Chenyang Wang, Liang Wen, Shousheng Jia, Xiangzheng Zhang, Liang Xu},
year={2025},
eprint={2508.03178},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2508.03178},
}
