शोधकर्ताओं ने GRASP का परिचय दिया, जो एक रणनीति-जागरूक, बहु-चरण योजना ढांचा है जिसे इस प्रकार डिज़ाइन किया गया है कि यह उन जटिल कार्यों के लिए उच्च गुणवत्ता वाले प्राकृतिक भाषा निष्पादन योग्य योजनाएं उत्पन्न कर सके, जहां मानक Large Language Models आमतौर पर विश्वसनीयता में गिरावट दिखाते हैं। सिस्टम योजना पाइपलाइन को विशेष मॉड्यूल में अलग करता है: वैश्विक मैक्रो-निर्देशों के लिए GenPlan, स्थानीय रणनीतियों का पता लगाने के लिए RevPlan, और स्वतंत्र ट्राजेक्टरी मूल्यांकन के लिए VerPlan।
- GRASP ने विभिन्न डेटासेट में नई राज्य-सर्वोत्तम स्थापित की है, जिसमें प्रत्यक्ष LLM योजनाकारों की तुलना में Natural Plan Calendar Scheduling पर लगभग 12.4% और ZebraLogic पर लगभग 30.8% सटीकता लाभ प्राप्त हुआ है।
- यह ढांचा मानक योजनाकारों में देखी गई बहु-कार्य गिरावट की ज़िम्मेदारी को पूरी तरह से समाप्त कर देता है, और इंटरलीव्ड डुअल-कार्य वातावरण में 16.7% तक निरंतर सटीकता लाभ प्राप्त करता है।
- संदर्भ को अलग करके और कठोर मैक्रो-नियमितीकरण लागू करके, GRASP GPT-5-mini जैसे शीर्ष तर्क मॉडलों से 14.5% के अंतर से बेहतर प्रदर्शन करता है।
यह दृष्टिकोण कार्य जटिलता बढ़ने के साथ प्रदर्शन बनाए रखने की चुनौती को संबोधित करता है, और प्रत्यक्ष LLM योजना विधियों की तुलना में महत्वपूर्ण सुधार प्रदान करता है।