AstroReason-Bench：跨异构空间规划问题评估统一的 Agentic 规划

Agentic 大语言模型（LLM）的最新进展使其成为能够跨多样任务推理与行动的通才规划者。然而，现有智能体基准大多聚焦符号性或弱接地的环境，其在物理约束的真实领域中的表现尚未得到充分探索。我们提出 AstroReason-Bench，一个用于评估空间规划问题（SPP）中 Agentic 规划的综合基准。SPP 是一类具有异构目标、严格物理约束与长程决策的高风险问题。AstroReason-Bench 整合多种调度机制，包括地面站通信与敏捷对地观测，并提供统一的面向智能体的交互协议。我们对一系列最先进的开源与闭源 Agentic LLM 系统进行评估，发现当前智能体显著逊色于专用求解器，凸显了通才规划在现实约束下的关键局限。AstroReason-Bench 为未来的 Agentic 研究提供了具有挑战性且具诊断价值的试验台。