优惠 新基准测试Planetarium：用于评估大语言模型解决规划问题的性能

布朗大学计算机科学系的研究人员推出新基准测试Planetarium，用于评估大语言模型解决规划问题的性能，特别是将自然语言描述的规划任务转换成结构化的规划语言，例如规划领域定义语言（PDDL），并通过实验展示了现有模型在这一领域的挑战和潜力。例如，你告诉计算机：“我想要把桌子上的两个积木堆叠起来。”计算机需要理解这句话... 阅读全文