谈LLM规划时我们在谈什么：两种独立规划能力的证据

当LLM在规划任务上表现不均时，这些差距常被归因于任务难度。我们论证该解释不完整：任务级差异可能反映不同的潜在规划胜任力，而非单一能力谱上的差异。我们在ACPBench-Hard上研究该问题：在变化测试时推理预算下评估多个LLM家族，并应用多维项目反应理论模型揭示LLM规划之下的潜在胜任力结构。分析揭示塑造规划表现的两种主维度：操作性推理——评估局部动作适用性与即时状态转移的能力；结构性枚举——关于目标可达性与地标结构推理的能力。操作性推理随模型扩展与更长推理轨迹改善，而结构性枚举相对不敏感。发现推动LLM规划的胜任力级评估：把焦点从模型是否整体提升，转向哪些规划胜任力在何种条件下为何改善。