腾讯混元和人大开源了一个叫 PlanningBench 的评估框架,专门测大模型做规划的能力
腾讯混元联合人大开源PlanningBench评估框架
这个框架由腾讯混元跟人大高瓴人工智能学院一起放出,代码和论文都公开了。它塞了 30 多个真实场景的规划任务,不是让模型光说不练,而是看它能不能把一件事拆成可执行的步骤。框架自带自动验证,跑完就能知道模型规划靠不靠谱,还支持拿这些任务去训练模型。资源挂在 arXiv、GitHub 和 HuggingFace 上,正文没披露具体任务类型和验证通过率的数据。
推荐理由:腾讯混元与人大高瓴人工智能学院开源 PlanningBench,用 30 多个真实场景任务检验模型能否把一件事拆成可执行步骤,并自带自动验证。