STRIPS+

研究发现大语言模型在规划任务中遇到困难，语义可解释性是关键

一篇新论文探讨了大型语言模型（LLMs）在经典规划任务中面临的挑战，区分了结构复杂性与语义可解释性。研究人员发现，像删除松弛启发式 $h_{\mathrm{add}}$ 这样的既有符号启发式在估计结构难度方面是有效的，优于学习到的替代方法。研究还揭示，当谓词名称改变时，LLM 的性能会显著下降，这突显了模型对语义细微差别的敏感性，而不仅仅是结构属性。这表明改进混合规划系统需要更好地模拟 LLM 在谓词语义方面的行为。