FM SO.P：一种具有自动评估的渐进任务混合框架，用于跨领域标准操作程序理解

标准操作程序（SOPs）对企业运营至关重要，但现有语言模型在SOP理解和跨领域泛化方面存在困难。当前方法未能区分SOP所需的推理能力：术语精确性、顺序排序和约束推理。本文提出FM SO.P，通过两个创新点解决这些问题。首先，引入渐进任务混合，通过三个任务类型逐步构建能力：概念消歧以提高术语精确性、动作序列理解以确保流程正确性、以及场景感知图推理以处理条件逻辑。其次，提出一个自动多智能体评估系统，由三个智能体组成，能够自适应生成评分标准、分层测试集和评分规则，适用于不同领域（如DMV的时间约束、银行业的合规性）。在SOPBench上进行的七领域（银行、DMV、医疗、市场、大学、图书馆、酒店）评估表明，FM SO.P在32B模型上达到48.3%的通过率，在开源7B模型上达到34.3%，与Qwen-2.5-72B-Instruct基线（34.4%）相当，但参数量仅为后者1/10。