可验证 LLM 内部规划效率在滑动拼图中的限制

研究提出可验证框架，将成功加权规划效率分解为可靠性、协调性和动作经济性，以隔离 LLM 内部规划能力。 评估7种模型配置的8400个完整计划，显示模型在长时程任务中经济性下降，且高计划效率可与低目标达成率共存。 该框架使无辅助规划的长时程限制可被定量验证，区分协调失败与低效完成。