大型语言模型（LLMs）凭借其先进的认知能力，正逐渐成为各种推理和规划任务的代理。传统评估通常集中于受控环境中的特定推理或规划问题。最近的研究探索了旅行规划，作为将各种语言推理任务整合到现实世界背景中的一种方式。然而，推理任务不仅限于语言推理，全面评估LLMs需要一个涵盖多个认知领域任务的测试平台。为此，ItinBench应运而生，它在旅行行程规划中引入了一项空间推理任务，即路线优化，同时保持传统...