**AdaPlanBench：在环境和用户约束下评估大语言模型代理的自适应规划能力**

_AdaPlanBench: Evaluating Adaptive Planning in Large Language Model Agents under World and User Constraints_

> AdaPlanBench是一个动态交互式基准测试，用于评估大语言模型代理在面对逐步揭示的环境和用户双重约束时，能否自适应地制定和调整计划。基于307项家务任务，它通过一个可扩展的约束构建管道为每个任务增加双重约束。代理在多轮交互中根据反馈进行规划修正，实验显示即使是表现最好的模型准确率也仅为67.75%，表明在动态揭示的约束下可靠适应仍具挑战性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.05622)