Makale, difüzyon dil modelinin (dLLM) yapılandırılmış bir plan oluşturup yalnızca bozuk kısımları düzelttiği Plan-and-Patch adlı çerçeveyi tanıtıyor. Natural Plan kıyaslama testlerinde difüzyon tabanlı planlayıcı planları %53.7 oranında onarırken, otoregresif planlayıcıda bu oran %27.0 oldu. ALFWorld gibi ajan görevleri üzerinde eğitim verildikten sonra iki yaklaşım da benzer başarı oranlarıyla plan üretti; ancak difüzyon yöntemi %39‑46 daha hızlıydı. Çalışma, uzun süreli görevler yürüten ajanları daha verimli ve uyarlanabilir kılmanın bir yolunu sunuyor.
Neden önemli
Planları daha hızlı ve güvenilir biçimde onarmak, otonom asistanların karmaşık görevleri daha az kesintiyle tamamlamasını sağlayabilir.
