研究人员推出了 TREK，这是一个旨在严格评估 LLM 智能体在复杂行程规划场景中能力的新基准。TREK 通过专注于生成完全可行、符合约束、无幻觉、时空可执行且预算有效的行程，同时响应未明确说明的旅行者需求，来解决现有基准的局限性。该基准包含 800 个多约束任务和一个确定性评估器，发现即使是 GPT-5.6 等先进模型，在可解决任务中也只能达到 46.2% 的完全可行性，而未明确说明的需求构成了重大挑战。 AI
影响 该基准将有助于研究人员识别并解决 LLM 智能体规划能力中的关键局限性，特别是在未明确说明的用户需求和整体可行性方面。
排序理由 该集群包含一篇学术论文，介绍了一个用于 LLM 智能体的新基准和评估工具包。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
