# Plan-and-Patch melhora o reparo de planos com modelos de difusão

> Pesquisadores mostram que um planejador baseado em difusão repara planos duas vezes mais vezes que um modelo autorregressivo tradicional e reduz o tempo de geração em até metade.

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

O artigo apresenta o Plan-and-Patch, uma estrutura em que um modelo de linguagem de difusão (dLLM) cria um plano estruturado e depois corrige apenas as partes com problemas. Em testes no benchmark Natural Plan, o planejador por difusão reparou planos em 53.7% das vezes, contra 27.0% para um planejador autorregressivo. Após o treinamento em tarefas agênticas, como ALFWorld, as duas abordagens geraram planos com taxas de sucesso semelhantes, mas o método de difusão foi 39‑46% mais rápido. O estudo aponta um caminho para tornar agentes de longo horizonte mais eficientes e adaptáveis.

## Os fatos

- Taxa de sucesso no reparo com Plan-and-Patch: 53.7% (difusão) contra 27.0% (AR)
- Latência média de geração de planos reduzida em 39‑46% após treinamento específico para a tarefa

## Por que importa

Um reparo de planos mais rápido e confiável pode ajudar assistentes autônomos a concluir tarefas complexas com menos interrupções.

## Fontes e referências

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

Última atualização: 2026-10-09