原文核完：arXiv:2610.22469，2026-10-15 提交，41 页（含附录），六位作者，Oriol Miro-Lopez-Feliu 领衔。
帖子的数字全部出自摘要，一条不差：每个任务落地在一个隐藏的 PDDL 模型上，动作可不可行、目标达没达成、规划存不存在，都由它裁决；五个领域（两个新发，全部随论文公开）；四个模型、六种提示策略、三种智能体架构；最佳配置离线解 78% 可解任务、在线只剩 40%；不可解任务在不到 10% 的回合中被识别；更重的提示策略比直接提示多用 5 到 22 倍 token 却没有明确收益；规划性能在不同模型间的差异，大于在不同提示策略或架构之间的差异。
「智能体大多不检查状态就行动」是全文最刺的一句——在线 40% 的对策不是不会规划，是压根没看卷子就写答案。这跟工程里的观察对得上：端到端成功率是个黑箱指标，任务完成了，你并不知道它是走对路还是蒙对路。
还有一个反直觉结论值得抄走：更重的提示更贵且没用。当大家都在卷思维链、反思、批评者的时候，这篇说模型选对了，比提示词绣花重要。
卡上画的就是上下两条赛道：上面是离线的规划师，地图在手，全程画好，78% 的旗子插在终点；下面是在线的智能体，蒙着眼在黑暗里摸路，脚下陷阱闪闪，40% 的牌子孤零零立在半程。中间站着那位隐藏的 PDDL 裁判——谁真会规划，它说了算。