传统的规划评测大多在单人、可完全观察的环境中进行，无法充分反映现实中团队决策的复杂度。而 SPIN-Bench 试图通过形式化任务与多人场景相结合，把现实中需要的 "同伴合作"" 谈判博弈 " 等关键技能一并纳入，以帮助找到 LLM ...