इस शोधपत्र में Plan-and-Patch नाम का एक फ्रेमवर्क पेश किया गया है। इसमें डिफ्यूज़न लैंग्वेज मॉडल (dLLM) एक व्यवस्थित योजना बनाता है और फिर केवल उसके खराब हिस्सों को ठीक करता है। Natural Plan बेंचमार्क पर किए गए परीक्षणों में डिफ्यूज़न प्लानर ने 53.7% मामलों में योजनाएँ ठीक कीं, जबकि ऑटोरेग्रेसिव प्लानर के लिए यह आंकड़ा 27.0% था। ALFWorld जैसे एजेंट-आधारित कार्यों पर प्रशिक्षण के बाद दोनों तरीकों से योजनाएँ बनाने की सफलता दर लगभग समान रही, लेकिन डिफ्यूज़न तरीका 39‑46% तेज़ था। यह काम लंबी अवधि तक काम करने वाले एजेंटों को अधिक कुशल और अनुकूलनशील बनाने का रास्ता दिखाता है।
यह क्यों मायने रखता है
योजनाओं को तेज़ी से और भरोसेमंद ढंग से सुधारने पर स्वायत्त सहायक जटिल काम कम रुकावटों के साथ पूरे कर सकते हैं।
