论文提出可验证框架评估LLM原生规划效率

论文用SPE框架量化验证LLM无辅助规划的长视野局限。

资讯摘要

论文提出可验证框架，将成功加权计划效率分解为SPE=R×Q×E，分别对应执行可靠性、合法计划间的规划协调与完成计划的动作经济性，并通过轨迹回放与认证最优解验证。作者在4×4滑块拼图上评估七种模型条件的8400份完整计划输出，控制视野与障碍数。结果显示，即使完成全部试验的模型，在更长视野下经济性也会下降；完成计划效率较高也可能伴随目标达成差。

要点速读

1. 论文以单次响应生成完整计划、不使用工具或执行反馈，隔离模型的先天规划能力。
2. SPE分解为执行可靠性R、规划协调Q与动作经济性E，并纳入未成功尝试。
3. 在4×4滑块拼图上评估七种模型条件的8400份完整计划输出，控制精确视野与障碍数量。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。