# ​腾讯与人大高瓴联合推出开源规划评测框架 PlanningBench

- Link: https://paooo.com/aigc-news/18474/
- Published: 2026-06-07T11:35:20+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * PlanningBench 以真实规划场景为基础，系统抽象任务、约束与难度，覆盖30多种任务类型。
 * 框架同时用于评测与训练，借助 checklist 和可验证奖励信号，识别“局部正确但整体不可
   执行”的计划。
 * 实测显示，用其可验证数据训练后，模型在未见规划基准和通用任务上的表现都有明显提升。

近日，腾讯混元团队联合中国人民大学高瓴人工智能学院等机构，共同推出并开源了 PlanningBench。
这是一个旨在评测和训练大语言模型规划能力的可扩展、可验证的数据生成框架。

![image.png](https://paooo.com/wp-content/uploads/2026/06/6391627763756279055997791-
13.avif "image.png")

PlanningBench 从实际的规划场景出发，系统化地抽象了任务、约束和难度等因素，构建了
一个覆盖超过 30 种规划任务类型的数据生成与验证体系。这一框架不仅能够评测模型是否
具备规划能力，还可以为模型的规划能力训练提供稳定且可迁移的奖励信号。

在具体任务方面，PlanningBench 涵盖了日程排布、资源分配、人力排班、路径调度、生产
运营和应急服务等六大类任务。这样广泛的任务类型设计，避免了模型仅在单一领域的 “刷
题” 现象，使得模型能够更好地应对多样化的实际应用场景。

此外，PlanningBench 的难度控制体系通过拆解任务结构、约束层级和资源紧张度等因素，
使得数据生成可以围绕真实难点进行调整，而不是简单延长提示内容。每条数据实例还配备
了 checklist，用以评估模型输出是否满足输入条件、资源限制和目标最优性。

值得一提的是，PlanningBench 同时关注局部合规和全局成功的评测方式，能够识别出 “看似
大部分正确但整体不可执行” 的计划。这对于诊断大型语言模型在复杂约束下的真实规划能力
具有重要意义。

通过 PlanningBench 的可验证数据进行训练，模型在未见过的规划基准和通用任务上的表现
也有了显著提升，显示出其学习信号的通用性。总体来看，PlanningBench 形成了一个真实
场景驱动的闭环生成与训练迁移体系，为未来的人工智能规划研究提供了新的工具和方向。

> 划重点：
> 🌟 PlanningBench 是腾讯与人大高瓴联合开发的开源框架，旨在评测和训练大语言模型的
> 规划能力。
> 📅 该框架覆盖 30 多种规划任务类型，涉及日程排布、资源分配等六大类实际应用。
> ✅ 通过可验证数据进行训练，模型在不同任务上的表现显著提升，展示了其广泛的适用性
> 和迁移能力。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**腾讯混元 ↗**

腾讯混元大模型是腾讯研发的具备跨领域知识和自然语言理解能力的大语言模型。

❓ 常见问题解答（FAQ）

PlanningBench 是什么框架？

PlanningBench 是腾讯混元团队与中国人民大学高瓴人工智能学院等机构联合推出并开源的
规划评测框架，核心用途是评测和训练大语言模型的规划能力，强调可扩展、可验证的数据
生成与训练迁移。

PlanningBench 主要覆盖哪些规划任务？

它覆盖日程排布、资源分配、人力排班、路径调度、生产运营和应急服务六大类任务，并进一步
扩展到30多种规划任务类型，尽量贴近真实应用场景。

PlanningBench 对模型训练有什么帮助？

它能提供稳定且可迁移的奖励信号，帮助模型学习在复杂约束下做出可执行计划。文章提到，
使用其可验证数据训练后，模型在未见过的规划基准和通用任务上表现都有提升。

🔬 语宙深潜追问 · 进阶实操拆解

规划类任务评测，怎么避免只刷分？

要把“可验证结果”放在第一位，别只看文本像不像。用约束满足、执行成功率、步骤可回放
性来评估，并加入未见任务和扰动样本，才能测出模型是否真的会规划。

训练规划模型时，数据该怎么构造？

优先收集带明确目标、约束和反馈的轨迹数据，例如日程、排班、调度。再把失败案例、边界
条件和冲突约束显式标注进去，模型才会学会在复杂条件下做稳健决策。

🗳️ 读者观点微投票 · 您的实战立场是？

规划评测框架，最该先测能力还是场景？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [PlanningBench – 腾讯混元等开源的大模型规划能力评测框架](https://paooo.com/aigc-news/18536/)
 * [AutoCodeBench开源：腾讯混元发布3920题跨20种语言基准，精准评估大模型代码能力](https://paooo.com/aigc-news/14043/)
 * [FullStack Bench – 字节豆包联合M-A-P社区开源的全新代码评估基准](https://paooo.com/aigc-news/25053/)
 * [PlanGEN – 谷歌研究团队推出的多智能体框架](https://paooo.com/aigc-news/21087/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/18474/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
