大模型只会写诗不会排日程？腾讯开源框架专治“规划难题”

AI再聪明，也经常在“做计划”这件事上翻车：让它安排一周的会议，它可能把三个会挤在同一个时间点；让它分配资源，它可能忽略人手不够的问题。现在，腾讯混元团队和中国人民大学高瓴人工智能学院联手，开源了一个叫PlanningBench的框架，专门用来测大模型到底会不会“安排事情”。

这个框架不搞虚的：它从真实场景出发，抽象出任务、约束和难度，一口气覆盖了30多种规划任务类型——日程排布、资源分配、人力排班、路径调度、生产运营、应急服务，全都有。举个例子，你可以给它一个“三天内完成五台机器检修，同时要应付两场突发故障”的任务，看它能不能排出合理的顺序。

更重要的是，PlanningBench每一条数据都配了一张“检查清单”：有没有满足输入条件？资源限制遵守了吗？目标是不是最优？更厉害的是，它还能识别出那种“看起来大部分对了，但整体根本执行不了”的方案——比如AI列了个行程，每个步骤单独看都对，但合起来就变成了死循环。

测试结果也很有意思：用PlanningBench的可验证数据训练过的模型，即使碰到没见过的规划任务，表现也明显提升。说明这个框架不只在“刷题”，而是真的教模型学会了怎么“动脑子做计划”。

一句话总结：过去AI只会“说”，现在腾讯和人大想让AI学会“做”。这个开源框架，就像给大模型上了一堂“逻辑思维训练课”——能不能毕业，就看它会不会排日程了。