연구자들은 파이프라인을 전문화된 모듈로 분리하여 복잡한 작업을 위한 고품질 자연어 실행 계획을 생성하도록 설계된 전략 인식형 다단계 계획 프레임워크인 GRASP를 소개합니다. 이 시스템은 GenPlan을 통해 글로벌 매크로 가이드라인을 사전 컴파일하고, RevPlan을 통해 지역화 전략을 탐색하며, VerPlan이라는 다중 기준 판별기를 사용하여 궤적을 평가합니다.

  • GRASP는 다양한 데이터셋 전반에 걸쳐 새로운 최첨단 기록을 수립하여, Natural Plan Calendar Scheduling에서 약 12.4%, ZebraLogic에서 약 30.8%의 정확도 향상을 직접적인 LLM 플래너 대비 달성했습니다.
  • 이 프레임워크는 표준 플래너에서 관찰되는 다중 작업 성능 저하 페널티를 완화하여, 교차된 듀얼 작업 환경에서 최대 16.7%의 절대 정확도 향상을 달성했습니다.
  • GRASP는 컨텍스트를 분리하고 엄격한 매크로 정규화를 강제함으로써 GPT-5-mini와 같은 최첨단 추론 모델보다 14.5% 더 우수한 성능을 보입니다.

GRASP는 작업 복잡도가 증가함에 따라 LLM의 신뢰성 저하 문제를 해결하며, 기존 방법이 실패하는 복잡한 계획 시나리오에 견고한 솔루션을 제공합니다.