腾讯混元联手中国人民大学发布PlanningBench，聚焦大模型逻辑规划能力评测

近日，腾讯混元大模型技术团队宣布，与中国人民大学高瓴人工智能学院等机构展开深度合作，正式向开发者社区开源了名为“PlanningBench”的规划能力评测与训练框架。

据悉，该框架的核心设计理念在于通过系统化手段应对大语言模型在复杂任务规划中的挑战。PlanningBench构建了一套完整的数据生成与验证逻辑，涵盖了资源调度、生产运维、日程管理、人力分配、路径规划及应急响应等六大核心应用场景，合计提供超过30种任务类型。此举旨在改变行业内模型评估偏向单一领域“刷题”的现状，通过真实世界的业务逻辑提升模型在多样化场景下的泛化水平。

在技术实现层面，PlanningBench引入了结构化的难度调控机制，不再单纯依赖Prompt的长度，而是从任务约束层级、逻辑复杂度及资源紧缺度等维度切入。每个数据样本均配有对应的校验清单（Checklist），从局部合规性与全局任务达成度两个维度出发，能够有效识别模型输出中“碎片化正确但整体逻辑不可行”的缺陷，从而为模型训练提供更为精准的反馈信号。

研究结果显示，利用PlanningBench所生成的各类可验证数据进行训练，模型不仅在基准测试中的表现有所增强，在面对未曾接触过的全新任务时，其逻辑规划的迁移能力同样得到了显著验证。业内分析人士指出，这一开源框架的推出，标志着大模型领域在提升复杂决策能力与逻辑严密性方面迈出了重要一步，为后续科研提供了标准化的工具储备。