Исследователи представляют GRASP — стратегически осознанную, многоэтапную систему планирования, предназначенную для генерации высококачественных исполняемых планов на естественном языке для сложных задач, где стандартные большие языковые модели обычно теряют надёжность. Система разделяет конвейер планирования на специализированные модули: GenPlan для глобальных макро-рекомендаций, RevPlan для исследования локализованных стратегий и VerPlan для независимой оценки траекторий.

  • GRASP устанавливает новое состояние искусства на разнообразных наборах данных, обеспечивая прирост точности ~12.4% на Natural Plan Calendar Scheduling и ~30.8% на ZebraLogic по сравнению с прямыми планировщиками LLM.
  • Система полностью устраняет штраф за деградацию многозадачности, наблюдаемый в стандартных планировщиках, достигая абсолютного прироста точности до 16.7% во средах с чередующимися двойными задачами.
  • За счёт изоляции контекста и обеспечения строгой макро-регуляризации GRASP превосходит передовые модели рассуждения, такие как GPT-5-mini, на 14.5%.

Этот подход решает задачу поддержания производительности по мере роста сложности задач, предлагая значительные улучшения по сравнению с методами прямого планирования LLM.