WorldTravel: 带紧密耦合约束的真实多模态旅行规划基准
计算与语言
2026-02-10 v1
摘要
真实世界的自主规划需要协调紧密耦合的约束，其中单一决策会决定后续所有行动的可行性。然而，现有基准主要包含松耦合约束，可通过局部贪心决策求解，依赖理想化数据，无法捕捉从动态 Web 环境中提取参数的复杂性。我们引入 \textbf{WorldTravel}，一个包含 5 个城市 150 个真实旅行情景的基准，要求在平均 15+ 个相互依赖的时空约束下进行规划。为评估在真实部署中的代理人，我们开发 \textbf{WorldTravel-Webscape}，一个包含 2000+ 渲染网页的多模态环境，代理人必须从视觉布局中直接感知约束参数以指导规划。我们评估了 10 个前沿模型，发现显著的性能崩溃：即使是最先进的 GPT-5.2 在文本-only 设置下仅实现 32.67% 的可行性，进入多模态环境后跌至 19.33%。我们识别出关键的感知-行动鸿沟以及约束数量约为 10 个时的规划视野阈值，模型推理在此处持续失败，表明感知与推理仍是独立的瓶颈。这凸显了下一代代理人需要统一高保真视觉感知与长程推理，以处理脆弱现实物流的需求。
引用
@article{arxiv.2602.08367,
title = {WorldTravel: A Realistic Multimodal Travel-Planning Benchmark with Tightly Coupled Constraints},
author = {Zexuan Wang and Chenghao Yang and Yingqi Que and Zhenzhu Yang and Huaqing Yuan and Yiwen Wang and Zhengxuan Jiang and Shengjie Fang and Zhenhe Wu and Zhaohui Wang and Zhixin Yao and Jiashuo Liu and Jincheng Ren and Yuzhen Li and Yang Yang and Jiaheng Liu and Jian Yang and Zaiyuan Wang and Ge Zhang and Zhoufutu Wen and Wenhao Huang},
journal= {arXiv preprint arXiv:2602.08367},
year = {2026}
}