腾讯与中国人民大学联手开源AI规划工具

新工具衡量AI的规划能力

在人工智能发展的重要举措中，腾讯的混元团队与中国人民大学高瓴研究院的研究人员合作推出了PlanningBench——一个测试AI规划能力的开源框架。

PlanningBench的工作原理

该系统创建了超过30种规划挑战的真实场景，系统性地变化任务复杂度、约束条件和可用资源等因素。其独特之处在于关注现实世界的适用性，测试类别包括：

• 调度（会议、交通）
• 资源分配（预算、材料）
• 人员安排
• 路线优化
• 制造工作流程
• 应急响应规划

开发团队解释说：“我们希望超越简单的问答评估，PlanningBench揭示了AI在面对相互竞争的优先事项和有限资源时，是否能像人类日常所做的那样，真正制定出可行的解决方案。”

这对AI发展的重要性

传统的AI测试往往陷入研究人员所称的“钻题陷阱”——模型在狭窄的测试集上表现良好，但在现实世界的复杂性中却举步维艰。PlanningBench通过以下方式解决了这个问题：

1. 难度扩展：任务可以根据多个变量调整，而不仅仅是延长问题
2. 验证系统：每个测试都包含检查清单，以验证解决方案是否满足所有要求
3. 全局评估：捕捉部分正确但整体失败的规划

早期结果显示出希望。使用PlanningBench可验证数据训练的模型在专业规划任务和通用AI基准测试中都表现出了改进的性能。一位研究人员指出：“这就像卸掉了训练轮，我们看到技能在新情境中的迁移效果更好。”

该框架的开源性质意味着全球开发者可以贡献新的测试场景，可能加速AI规划能力的进步。对企业而言，这可能意味着更智能的调度系统、更高效的资源管理和更好的危机应对工具。

关键要点

• 开放合作：腾讯与中国顶尖大学的联合项目
• 现实世界焦点：测试模型基于实际规划挑战
• 全面评估：衡量局部合规性和整体规划可行性
• 训练优势：提升AI在多样化任务上的表现
• 开放访问：框架可供社区贡献和改进