腾讯混元联合人大开源PlanningBench，大模型从卷推理转向卷规划

腾讯混元与人大高瓴人工智能学院联合开源了PlanningBench，一个专门评估和训练LLM真实规划能力的框架。该框架包含30多个来自真实世界的规划任务，覆盖调度、生产、旅行、资源分配和应急响应六大类，每个任务都有清晰的成功标准和全自动验证机制。用户既可以用它测试当前最强模型的规划能力，也可以直接用于微调，让模型从“会说”进化到“会干”。PlanningBench揭示了规划能力是智能体从玩具走向生产力的关键分水岭，腾讯已将论文、代码和数据集全部开源。