13:58arXiv: OpenAI@Alejandra Zambrano, Sara Vera Marjanovic, Imene Kerboua, Xing Han Lù, Leila Kosseim精选LLM网页智能体在探索、关键步骤遗漏和任务约束敏感性上存在不足,现有研究认为这些失败源于规划弱点,但自然语言计划表示的影响尚未被系统探索。PlanAhead提出静态规划-执行框架,自动将WebArena任务分为三个难度级别,并在困难任务上评估四种计划表示(顺序子目标、叙事、伪代码、清单)对多模态LLM智能体(OpenAI、阿里巴巴、Google)的影响。引入两个新指标:达成率和解决任务一致性,发现计划形式和底层LLM都显著影响智能体的鲁棒性和任务成功率。论文LLM智能体规划表示WebArena多模态模型评估指标10 个信源在谈推荐理由:做LLM智能体开发的团队终于有了计划表示的系统性对比——选对计划形式能直接提升任务成功率,建议做Web Agent的开发者点开看看具体指标差异。原文