LLM 原生规划在滑块拼图中的可验证效率极限

新研究提出可验证框架 SPE，通过无工具与反馈的单次完整输出评估 LLM 的原生规划能力。基于 4×4 滑块拼图评测 7 种模型条件的 8,400 个完整规划输出发现，即便能完成任务的模型在更长步数下动作经济性也会下降。该框架将效率分解为可靠性、规划协调与动作经济性，使 LLM 长程无辅助规划的局限性实现定量验证。