MemPlan：面向部分可观测文本环境的记忆条件化 PDDL 规划

英文标题：MemPlan: Memory-Conditioned PDDL Planning for Partially Observable Text Environments

针对大语言模型（LLM）Agent 在长程规划中成本高昂且易产生幻觉动作的问题，本文提出了 MemPlan 方案。该研究将 LLM 重新定位为自然语言与符号规划（PDDL）之间的受约束桥梁，而非端到端的规划器。这种神经与符号融合的方法，为在部分可观测环境中实现可靠、低开销的长程 Agent 规划提供了重要思路。

打开原文相关 3.2 · 机会 1

中文

MemPlan：面向部分可观测文本环境的记忆条件化 PDDL 规划

论文编号：arXiv:2610.30379v1
公告类型：最新提交（new）

摘要

LLM Agent 在语言交互方面展现出了出色的灵活性，但直接将其用作长程规划器（Long-horizon Planner）不仅成本高昂，而且容易产生幻觉或输出无效动作。本文探索了 LLM 在决策系统中的一种全新角色定位：作为自然语言与符号规划（Symbolic Planning）之间的受控桥梁。

MemPlan：面向部分可观测文本环境的记忆条件化 PDDL 规划

中文

MemPlan：面向部分可观测文本环境的记忆条件化 PDDL 规划

摘要

English / 原文

BibTeX formatted citation