arXiv 2026年10月5日作者提出 Ego2World 基准，把带标注的烹饪活动编译成部分可观测下的可执行规划环境，将源步骤与物体链接到符号动作规则、持久世界状态和显式任务条件，并分开维护世界状态与智能体信念；在 105 项任务上评估六种规划器发现被接受的操作常未达成任务目标，执行轨迹与条件检查可区分中断、部分达成与执行完成但未达成目标；另一项配对 Qwen-Plus 研究中，持久信念使动作有效性提高 4.15 个百分点、视觉查询尝试减少 90.27%，但 token 用量更高且未检测到完成度提升。作者提出 Ego2World 基准，把带标注的烹饪活动编译成部分可观测下的可执行规划环境，将源步骤与物体链接到符号动作规则、持久世界状态和显式任务条件，并分开维护世界状态与智能体信念；在 105 项任务上评估六种规划器发现被接受的操作常未达成任务目标，执行轨迹与条件检查可区分中断、部分达成与执行完成但未达成目标；另一项配对 Qwen-Plus 研究中，持久信念使动作有效性提高 4.15 个百分点、视觉查询尝试减少 90.27%，但 token 用量更高且未检测到完成度提升。Ego2World 将第一视角烹饪视频编译为可执行规划环境，六种规划器在 105 项任务上常出现操作被接受但目标未达成作者提出 Ego2World 基准，把带标注的烹饪活动编译成部分可观测下的可执行规划环境，将源步骤与物体链接到符号动作规则、持久世界状态和显式任务条件，并分开维护世界状态与智能体信念；在 105 项任务上评估六种规划器发现被接受的操作常未达成任务目标，执行轨迹与条件检查可区分中断、部分达成与执行完成但未达成目标；另一项配对 Qwen-Plus 研究中，持久信念使动作有效性提高 4.15 个百分点、视觉查询尝试减少 90.27%，但 token 用量更高且未检测到完成度提升。作者提出 Ego2World 基准，把带标注的烹饪活动编译成部分可观测下的可执行规划环境，将源步骤与物体链接到符号动作规则、持久世界状态和显式任务条件，并分开维护世界状态与智能体信念；在 105 项任务上评估六种规划器发现被接受的操作常未达成任务目标，执行轨迹与条件检查可区分中断、部分达成与执行完成但未达成目标；另一项配对 Qwen-Plus 研究中，持久信念使动作有效性提高 4.15 个百分点、视觉查询尝试减少 90.27%，但 token 用量更高且未检测到完成度提升。