工具辅助的规划能够通过外部搜索和验证取得成功，但这并不能说明模型在没有任何帮助时的规划能力。为此我们将先天规划定义为在一次回复中生成完整计划，且不使用工具或执行反馈。我们提出一个可验证的框架，将成功加权计划效率分解为 $$\mathrm{SPE}=R\times Q\times E$$，其中 $R$ 表示执行可靠性，$Q$ 表示合法计划之间的协同程度，$E$ 表示已完成计划的行动经济性。通过轨迹回放和已认证的最优解来验证这三个因素；整体得分同时计入未成功的尝试。我们在 $4\times4$ 滑动拼图上收集了 8,400 条完整计划输出，覆盖七种模型配置，并在主要实验组中严格控制了计划视野长度和障碍数量。结果显示，即使模型在所有试例中都能完成目标，随着视野长度增长，其经济性仍会下降；而在已完成的计划中，经济性提升并不必然伴随目标达成率的提升。$\mathrm{SPE}$ 能够将整体能力层级清晰分离，而其三个因子则分别揭示了协同失效和低效完成的根源。该框架使得先天规划在长视野情境下的局限性能够被量化并得到验证。
点评