摘要
现有基准多基于 API 范式，忽视了开放网络的复杂性。本文提出 VeriTrip，一个针对非结构化多模态网络语料的可验证基准，旨在评估智能体的鲁棒性。该基准构建多模态检索库，迫使智能体自主协调异构数据查询；同步建立可验证知识库，通过单元格级验证协议量化事实可靠性，区分系统性推理失败与参数幻觉。评估揭示“检索 - 推理权衡”现象：自主检索的认知负荷显著削弱指令保持能力，为下一代规划智能体提供严谨评估基础。
AI 推荐理由
论文提出旅行规划基准，核心评估 Agent 在非结构化环境下的任务规划与推理能力。
研究机构
Institute of Information Engineering, CAS
School of Cyber Security, UCAS
NLPR & MAIS, Institute of Automation, CAS
School of Artificial Intelligence, UCAS
论文信息