arXiv Artificial Intelligence· Idriss Malek, Omar Choukrani, Daniil Orel, Anh Duy Le Dinh, Zhuohan Xie, Zangir Iklassov, Martin Tak\'a\v{c}, Salem Lahlou·· 18 小时前AI 评分37
LLM-BabyBench：语言模型能否在可模拟的世界中做规划？
LLM-BabyBench: Can Language Models Plan in Worlds They Can Simulate?
AI 导读
LLM-BabyBench 将程序生成的 BabyAI 网格世界改造为完全可观测的纯文本环境，把规划能力与感知、指令歧义、检索、常识和动态未知等因素分离评估，并定义 Predict、Plan、Decompose 三项 PPD 测试。
来源：arXiv Artificial Intelligence · arxiv.org