研究团队提出智能体规划框架CGAP
Start here
针对大语言模型智能体依赖试错且无法保证生成可执行计划的问题，研究团队于2026年11月2日提出了基于能力的智能体规划方法CGAP。该方法能够将工具目录确定性编译为PDDL模型，并借助经典规划器求解抽象计划。评测结果显示，在ToolSandbox、ComplexFuncBench、BFCL multi-turn以及τ²-bench retail四个基准测试中，CGAP配合三种大语言模型进行评估，相比传统的标准工具调用智能体，性能最高提升了28.9分。
AI-generated from reports · Updated 5 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能基于能力的智能体规划（CGAP）
研究团队提出智能体规划方法 CGAP，将工具目录确定性编译为 PDDL 模型并由经典规划器求解抽象计划，解决 LLM 智能体依赖试错且无法保证生成可执行计划的问题。在 ToolSandbox、ComplexFuncBench、BFCL multi-turn 和 $\tau^2$-bench retail 上配合三种 LLM 测试，CGAP 相比标准工具调用智能体最高提升 28.9 分。
Story heat trend
Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.