用 AI 聊天机器人安排行程，常见问题不是找不到景点，而是时间排不拢：景点之间要多久、一天内能不能跑完，模型经常算错。香港中文大学等研究团队 7 月发布的 TREK 测试显示，这个问题到最新一代模型仍未完全解决。
TREK 收录 800 个多条件旅游规划任务，其中 533 个有解，267 个经证明无解。模拟数据库覆盖 375 个城市，包含约 21 万笔航班、酒店、景点和租车数据。测试要求 AI 代理通过工具查询信息，其中包括计算两地交通时间的工具；最终排出的行程要同时满足预算、天数、营业时间，以及旅客没有明说的偏好。
这套测试按规则评分，不依赖 AI 评审。研究团队还提供了经过人工验证、能够拿到满分的标准答案，用来证明这些任务并非无法完成。
GPT-5.6 排名第一，但满分任务占比仍不到一半
在有解任务中，GPT-5.6 取得满分的比例为 46.2%，是本次测试中表现最好的模型。第二名 Kimi-K2.5 为 17.1%，GLM-5 为 13.1%。15 个代理的中位数只有 6.6%，最低为 0。此次测试没有纳入 Claude 和 Gemini。
和地图能力最直接相关的一项指标，是「同一天两个行程之间的空档，是否短于实际交通时间」。各模型在这一项上出错的任务比例介于 13.3% 到 93.8% 之间，是所有评分指标里差距最大的一项。论文将其描述为区分「会规划」与「不会规划」模型的分水岭。
对 GPT-5.6 来说，尚未解决的主要问题则是满足旅客没有明说的需求。
更早的测试也指向同一弱点
这并不是第一次有研究指出模型在旅游规划和地图推理上的短板。2024 年发表的 TravelPlanner 测试中，GPT-4 排出的行程只有 0.6% 能完全满足所有条件。2025 年的 MapEval 用 700 道题目测试 54 个国家、180 个城市的地图推理能力，30 个受测模型没有一个正确率超过 67%，全部落后人类 20 个百分点以上；其中最弱的能力正是距离、方向和路线规划。
模型内部有空间表示，但不会在路网上算路
研究并不认为语言模型对地理毫无概念。MIT 研究人员 Wes Gurnee 与 Max Tegmark 在 2023 年论文《Language Models Represent Space and Time》中分析 Meta 的 Llama-2 后发现，模型内部确实存有世界各地、美国各地以及纽约市地点的空间位置表示，而且可以用简单的线性方式读出。
问题出在计算层面。地图服务商 HERE 在今年 5 月的分析文章中指出，语言模型不会在道路网络上计算路线，也不会实时评估车流，还无法保证坐标之间的几何限制成立。HERE 的解释是，语言模型的设计目标是预测文本，而空间推理需要在地理数据上做精确计算。实际交通时间又牵涉道路、班次、换乘和营业时间，这些信息既不稳定，也不属于模型训练时能固定掌握的数据。
三条补救路线：查地图、接求解器、直接训练空间能力
第一条：让模型直接调用地图服务
这是目前唯一已经有商用服务落地的方案。Google 在 2025 年 10 月于 Gemini API 推出 Grounding with Google Maps，让模型直接查询超过 2.5 亿个地点的地址、营业时间和评价。Google 给出的示例就是旅游规划：让 AI 安排旧金山一日行程，返回结果会包含距离、交通时间和当天营业时间。
Google 还提供托管的 Maps Grounding Lite MCP 服务器，支持 MCP 协议的 AI 工具都可以接入，支持搜索地点、查询天气和计算路线，不过路线模式目前只有开车和步行两种。HERE 的思路与此一致：由模型理解需求并调度工具，路线和距离交给地图引擎计算。
第二条：把语言模型和数学求解器组合起来
MIT 航空航天系范楚楚（Chuchu Fan）团队在 NAACL 2025 发表的研究中，让语言模型先把旅游需求翻译成数学约束，再交给可证明正确的求解器生成行程。在 TravelPlanner 测试中，这套方法的成功率达到 93.9%。同一篇论文引用的对照数字显示，即使把所需信息全部给定，OpenAI 的推理模型 o1-preview 也只有 10%。
如果条件彼此冲突、任务本身无解，这套系统还可以指出冲突来自哪些条件，并给出修改建议。在两组数据上，它分别成功修正了 81.6% 和 91.7% 的无解需求。
第三条：直接训练模型的空间推理能力
这一路线目前仍以研究为主。Google 与宾夕法尼亚大学研究人员提出的 MapTrace，使用自动生成的数据，在 4,000 张地图上构造 2.3 万笔路径样本，训练多模态模型在地图上画出可通行路线，在 MapBench 测试中的成功率最多提升 6.4 个百分点。
复旦大学与字节跳动 Seed 团队的 ACL 2026 论文，则在模拟城市环境中测试模型能否根据「家到学校 1.4 公里、方位角 135 度」这类零散描述拼出完整地图。结果显示，模型可以推断未见过的地点关系，也能从行车轨迹中学到道路连接方式并规划路径。
从《Pokémon GO》开发商 Niantic 分拆出来的 Niantic Spatial，则使用大量带地理定位的实景数据训练「大型地理空间模型」，用于回答「我在哪里、面向哪个方向、正在看什么」。李飞飞创办、且即将被 AMD 收购的 World Labs 所做的「空间智能」，重点则是生成和理解可探索的 3D 场景，与行程规划所需的地理推理属于不同分支。
现阶段能直接用的，主要还是地图查询
在这三条路线里，目前只有第一条已经形成普通用户可接触到的服务。不过 TREK 的结果也说明，即便 AI 已经能查询交通时间，多数模型仍会排出错误行程。用 AI 生成旅游计划后，逐段到地图 App 里核对交通时间，仍然是更稳妥的做法。
文中提到的数据来源包括 TREK（arXiv 2607.26977）、TravelPlanner、MapEval，以及多篇来自 MIT、Google、宾夕法尼亚大学、复旦大学、字节跳动 Seed 和 HERE 的研究或分析文章。