arXiv cs.AI· Yezhou Cheng, Charles Ling·· 11 小时前AI 评分31
滑动拼图中 LLM 原生规划的可验证效率上限
Verifiable Efficiency Limits of Innate LLM Planning in Sliding Puzzles
AI 导读
研究提出可验证框架 SPE=R×Q×E，将成功加权规划效率分解为执行可靠性、合法规划间协调性和完成规划的动作经济性，并用轨迹回放与认证最优解验证。基于 7 种模型条件在 4×4 滑动拼图上生成的 8,400 份完整规划输出，模型即使完成全部试验，在更长视野下仍变得不够经济，完成规划的高效率可与较差的目标达成率并存。该框架使无工具辅助规划的长视野局限可被定量验证。
正文 · AI 翻译
摘要：工具辅助的规划成功可能反映外部搜索与验证，使模型自身的规划能力无法确定。我们通过在没有工具或执行反馈的情况下于单次响应中生成完整规划，来分离出内在规划能力。我们提出一个可验证框架，将成功加权规划效率分解为 $\mathrm{SPE}=R\times Q\times E$：执行可靠性、合法规划间的规划协调性，以及已完成规划间的动作经济性。轨迹回放与经认证的最优解验证这些因子；联合得分包含未成功的尝试。我们在 $4\times4$ 滑块拼图上评估了来自七种模型条件的 8,400 个完整规划输出，并在主要队列中控制精确视野与障碍物数量。完成所有试验的模型在更长视野下仍会变得不够经济，而已完成规划间更高的效率可能与较差的目标达成并存。SPE 区分了整体能力层级，而其因子将协调失败与低效完成区分开来。该框架使无辅助规划中的长视野局限可被定量验证。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.36415 [cs.AI] |
| （或 arXiv:2610.36415v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36415 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yezhou Cheng [查看邮箱]
[v1]
2026年10月26日星期一 23:53:23 UTC（112 KB）
来源：arXiv cs.AI · arxiv.org