AI Tour Meeting

LLM代理在复杂行程规划方面出现新基准和框架

研究人员开发了新的基准和框架，用于评估大型语言模型（LLM）代理在复杂行程规划场景中的表现。TREK基准引入了一个包含800个多约束任务的严格评估套件，侧重于可行性、无幻觉输出和响应角色，发现即使是GPT-5.6等先进模型也难以始终生成完全可行的计划。另外，AI Tour Meeting框架利用具有不同角色的多个LLM代理，通过自然语言讨论协作规划团队行程，作为分析代理行为的模拟工具和推荐系统。