# Plan-and-Patch migliora la correzione dei piani con i modelli a diffusione

> I ricercatori mostrano che un pianificatore basato sulla diffusione corregge i piani il doppio delle volte rispetto a un modello autoregressivo tradizionale e dimezza i tempi di generazione.

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

Il paper presenta Plan-and-Patch, un framework in cui un modello linguistico a diffusione (dLLM) crea un piano strutturato e poi corregge soltanto le parti che non funzionano. Nei test sul benchmark Natural Plan, il pianificatore a diffusione ha corretto i piani nel 53.7% dei casi, contro il 27.0% di un pianificatore autoregressivo. Dopo l’addestramento su attività agentiche come ALFWorld, i due approcci hanno generato piani con tassi di successo simili, ma il metodo a diffusione è risultato più veloce del 39‑46%. Il lavoro suggerisce un modo per rendere gli agenti capaci di affrontare attività su orizzonti lunghi più efficienti e adattabili.

## I fatti

- Successo nella correzione dei piani con Plan-and-Patch: 53.7% (diffusione) contro 27.0% (AR)
- Dopo l’addestramento specifico per attività, la latenza media di generazione dei piani si riduce del 39‑46%

## Perché conta

Una correzione dei piani più rapida e affidabile potrebbe consentire agli assistenti autonomi di portare a termine attività complesse con meno interruzioni.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-09