ИССЛЕДОВАНИЕ · RESEARCH · #1776
Plan-and-Patch: диффузионные LLM для генерации и починки долгосрочных планов
Статья представляет Plan-and-Patch — фреймворк, в котором диффузионная языковая модель (dLLM) генерирует структурированные, похожие на программы планы с параллельным размаскированием и восстанавливает части плана, заполняя выделенные регионы при сохранении соседних шагов. Сравнение DreamReasoner-8B (диффузия) и Qwen3-8B (авторегрессия) показывает: на Natural Plan без дообучения диффузия достигает 53.7% успеха починки плана против 27.0% у AR; после дообучения на ALFWorld и TextCraft показатели успеха становятся схожими, при этом диффузия сокращает среднюю задержку генерации плана на 39–46%.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Статья представляет Plan-and-Patch — фреймворк, в котором диффузионная языковая модель (dLLM) генерирует структурированные, похожие на программы планы с параллельным размаскированием и восстанавливает части плана, заполняя выделенные регионы при сохранении соседних шагов.
- Сравнение DreamReasoner-8B (диффузия) и Qwen3-8B (авторегрессия) показывает: на Natural Plan без дообучения диффузия достигает 53.7% успеха починки плана против 27.0% у AR; после дообучения на ALFWorld и TextCraft показатели успеха становятся схожими, при этом диффузия сокращает среднюю задержку генерации плана на 39–46%.
- Локальная починка планов и более быстрая генерация с помощью диффузионных LLM могут сделать долгосрочных агентов более устойчивыми и отзывчивыми при изменениях среды или неожиданных результатах инструментов.
ПОЧЕМУ ЭТО ВАЖНО
Локальная починка планов и более быстрая генерация с помощью диффузионных LLM могут сделать долгосрочных агентов более устойчивыми и отзывчивыми при изменениях среды или неожиданных результатах инструментов.