实体 ACPBench-Hard

ACPBench-Hard

PulseAugur coverage of ACPBench-Hard — every cluster mentioning ACPBench-Hard across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_141355 · Jul 14 · 04:00

研究发现大型语言模型规划能力分为两种不同的能力

一篇新的研究论文提出，大型语言模型（LLMs）在规划任务上的表现差异，并非完全归因于任务难度，而是反映了两种不同的潜在规划能力。该研究在ACPBench-Hard数据集上进行，确定了这两种能力为“操作推理”和“结构枚举”。操作推理涉及评估局部动作和状态转换，随着模型规模的扩大和推理预算的增加而提高。相比之下，与目标可达性和里程碑推理相关的结构枚举，对这些因素的敏感度较低。研究结果表明，需要对大型语言模型的规划能力进行能力层面的评估，以…