腾讯混元开源PlanningBench评估LLM规划能力

腾讯混元开源PlanningBench评估LLM规划能力

腾讯混元联合人民大学高瓴人工智能学院开源了PlanningBench框架，用于评估和训练大语言模型的真实规划能力。该框架包含30多个真实世界规划任务，涵盖调度、生产、旅行、资源分配、应急响应等六大类别，每个任务都有明确的成功标准和全自动验证机制，可用于模型评估和继续微调，也已在arXiv、GitHub和Hugging Face上开放。