中科院“神经-符号”融合规划器KRCL性能超越OpenAI o1：规划覆盖率与效率双突破

🎯 情报来源：量子位

中国科学院磐石研发团队最新提出的“神经-符号”融合规划器KRCL，在IPC国际规划竞赛8项任务中实现平均覆盖率显著领先，并在PlanBench基准测试中规划效率与覆盖率双指标超越OpenAI o1。该技术通过模拟人类运动学习的闭环反馈机制（KRCL），构建神经规划器与符号识别器的双向连接，实现错误检测-纠正的动态闭环。

关键技术突破体现在：1）首创基于规划难度和模型表现的自控反馈机制，仅在需要时激活反向符号系统；2）利用文本相似度量化KR增强信息，使规划校正精准度提升；3）神经系统的表示能力与符号系统的可解释性形成互补，实验显示其规划效率较传统方法提升显著。

💡 核心要点

• 在8项IPC规划任务中平均覆盖率超越基线模型，最高单项提升达37%
• PlanBench基准测试全面优于OpenAI o1，效率指标提升28%
• 首创KRCL闭环机制，反馈触发频次降低42%的同时精度提升
• 融合神经规划器（正向）与符号识别器（反向）的双向架构
• 已集成至“磐石·科学基础大模型”体系投入科研应用

📌 情报分析

技术价值：极高
KRCL机制首次将人类运动学习的闭环反馈引入AI规划，实验数据证实其错误纠正效率比传统固定KR机制提升2.3倍，且具备专利壁垒。

商业价值：高
作为“磐石”大模型的核心组件，已应用于材料组合等科研场景，团队透露正在与3家国家级实验室推进产业化合作。