arXiv · cs.AI· Sukai Huang, Chenyuan Zhang, Fucai Ke, Zhixi Cai, Naim Rastgoo, Gholamreza Haffari, Hamid Rezatofighi·· 1 天前
多模型研究揭示LLM规划存在操作推理与结构枚举两种能力
What We Talk About When We Talk About LLM Planning: Evidence for Two Distinct Planning Abilities
arXiv:2607.11197v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Sukai Huang, Chenyuan Zhang, Fucai Ke, Zhixi Cai, Naim Rastgoo, Gholamreza Haffari, Hamid Rezatofighi
研究任务与主要进展
基于论文摘要，研究团队分析ACPBench-Hard上多个LLM家族在测试时推理预算变化下的表现，提出LLM规划至少涉及操作推理和结构枚举两种潜在能力。操作推理随模型规模和更长推理轨迹有所改善，而结构枚举对这些因素相对不敏感；研究据此主张从具体规划能力而非单一总体表现进行评估。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org