arXiv · cs.AI· Idriss Malek, Omar Choukrani, Daniil Orel, Anh Duy Le Dinh, Zhuohan Xie, Zangir Iklassov, Martin Tak\'a\v{c}, Salem Lahlou·· 11 小时前
LLM-BabyBench 评测语言模型在可模拟世界中的规划能力
LLM-BabyBench: Can Language Models Plan in Worlds They Can Simulate?
arXiv:2505.12135v3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：Idriss Malek, Omar Choukrani, Daniil Orel, Anh Duy Le Dinh, Zhuohan Xie, Zangir Iklassov, Martin Tak\'a\v{c}, Salem Lahlou
研究任务与主要进展
LLM-BabyBench 评测语言模型能否在纯文本、完全可观测的网格世界中规划行动，并以 Predict、Plan 和 Decompose 三类任务区分状态预测、目标规划与子目标分解。
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