为什么重要
NATURAL-PLAN 评测 LLM 在日程安排/旅行规划/会议调度等日常规划任务上的能力。
构建方式与示例
例如：“安排一天的行程：10点开会(1h)、12点午饭(1h)、下午3点前到机场(需1h车程)——最优安排？“
返回评测
推理 规划推理 未饱和
模态 · 文本
任务 · 规划
NATURAL-PLAN
评估 LLM 处理日常规划任务（行程安排、会议调度、日历管理等）的能力
Google DeepMind ·
考察能力
规划 日程安排 约束满足 多步推理
构建信息
- 数据规模
- 3 task types / 多种约束
- 评测方式
- 标准评测
- 核心指标
- Accuracy (%)
资源链接
模型效果排行
🥇 GPT-5
62.4%
🥈 Claude Opus 4
58.1%
🥉 GPT-4o
44.8%
规划 日常 约束