Исследователи представляют GRASP, стратегию-осознанный, многоэтапный фреймворк планирования, предназначенный для генерации высококачественных исполняемых планов на естественном языке для сложных задач путем разделения конвейера на специализированные модули. Система предварительно компилирует глобальные макро-руководства через GenPlan, исследует локализованные стратегии через RevPlan и оценивает траектории с помощью многокритериального дискриминатора под названием VerPlan.

  • GRASP устанавливает новый передовой уровень на различных наборах данных, обеспечивая прирост точности ~12.4% на Natural Plan Calendar Scheduling и ~30.8% на ZebraLogic по сравнению с прямыми LLM-планировщиками.
  • Фреймворк устраняет штраф за деградацию многозадачности, наблюдаемый в стандартных планировщиках, достигая абсолютного прироста точности до 16.7% во взаимодействующих двухзадачных средах.
  • За счет изоляции контекста и обеспечения строгой макро-регуляризации GRASP превосходит передовые модели рассуждения, такие как GPT-5-mini, на 14.5%.

GRASP решает проблему снижения надежности LLM по мере увеличения сложности задачи, предлагая надежное решение для сложных сценариев планирования, где традиционные методы не работают.