데이터 정제(Data refinement)는 진화하는 텍스트 상태에 대해 다단계 레시피를 실행하는 과정을 포함하며, 여기서 처리 연산자(operators)의 구성(composition)과 실행 순서가 결과를 결정합니다. 기존의 벤치마크들은 텍스트 편집을 고립시키거나 이를 코드 및 도구 실행과 얽어 놓는 방식을 취하고 있어, LLM(Large Language Models)이 이러한 구성적이고 순서에 민감한 데이터 정제 레시피를 직접적이고 충실하게 실행할 수 있는지 여부는 여전히 불분명합니다. 이러한 공백을 메우기 위해, 우리는 4개의 실제 데이터 정제 도메인과 29개의 고유한 연산자를 아우르는 3,462개의 고품질 태스크를 특징으로 하는 포괄적인 벤치마크인 CDR-Bench를 소개합니다. 우리의 벤치마크는 원자적(atomic), 순서 무관(order-agnostic), 그리고 순서 민감(order-sensitive) 설정에 걸쳐 모델을 평가하며, 정확한 평가를 가능하게 하기 위해 결정론적 참조 출력(deterministic reference outputs)을 활용합니다. 10개 이상의 최첨단(state-of-the-art) LLM을 대상으로 한 실험 결과, 일관된 실패 패턴이 드러났습니다: 구성적(compositional) 설정에서는 성능이 급격히 저하되며, 순서 민감한 레시피의 성공률은 붕괴됩니다. 이러한 발견은 현재의 LLM이 신뢰할 수 있는 구성적 데이터 정제에 필요한 절차적 충실성(procedural faithfulness)이 부족함을 강조합니다.