标签：Blocksworld

IT之家报道，亚利桑那州立大学的研究团队利用 PlanBench 基准测试了 OpenAI 的 o1 模型在规划任务上的表现。结果显示，尽管 o1 模型取得了显著进展，但仍存在一些局限性。 PlanBench 基准简介 PlanBench 是在 2022 年开发的一种基准工具，用于评估人工智能系统的规划能力。它包含了来自 Blocksworld 领域的 600 个任务，其中积木需要按照特定顺序堆叠。通过这些任务，可以全面评估模型的规划性能。 OpenAI o1 模型的成绩 在 Blocksworld 任务中，OpenAI 的 o1 模型表现出色，准确率达到了 97.8%，远高于之前最好的语言...