# Plan-and-Patch mejora la reparación de planes con modelos de difusión

> Investigadores muestran que un planificador basado en difusión repara planes el doble de veces que un modelo autorregresivo tradicional y reduce hasta la mitad el tiempo de generación.

Oossa · 2026-10-09 · https://oossa.com/es/plan-and-patch-boosts-plan-repair-with-diffusion-language-models

El artículo presenta Plan-and-Patch, un marco en el que un modelo de lenguaje de difusión (dLLM) crea un plan estructurado y luego corrige solo las partes que fallan. En las pruebas con el benchmark Natural Plan, el planificador de difusión reparó los planes en el 53.7% de los casos, frente al 27.0% de un planificador autorregresivo. Tras entrenar ambos enfoques con tareas agénticas como ALFWorld, generaron planes con tasas de éxito similares, pero el método de difusión fue entre un 39% y un 46% más rápido. El trabajo propone una forma de hacer que los agentes con horizontes de planificación largos sean más eficientes y adaptables.

## Los hechos

- Éxito en la reparación con Plan-and-Patch: 53.7% (difusión) frente a 27.0% (AR)
- La latencia media de generación de planes se redujo entre un 39% y un 46% tras el entrenamiento específico para las tareas

## Por qué importa

Una reparación de planes más rápida y fiable podría permitir que los asistentes autónomos completen tareas complejas con menos interrupciones.

## Fuentes y referencias

1. [Plan-and-Patch: Diffusion Language Models for Agentic Planning](https://arxiv.org/abs/2610.10786) – arXiv, 2026-10-09

Última actualización: 2026-10-09