# Plan-and-Patch提升扩散语言模型的计划修复能力

> 研究人员发现，基于扩散模型的规划器修复计划的成功率是传统自回归模型的两倍，生成时间最多可缩短近一半。

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

这篇论文介绍了 Plan-and-Patch 框架：扩散语言模型（dLLM）先生成结构化计划，再只修复其中出错的部分。在 Natural Plan 基准测试中，扩散规划器修复计划的成功率为 53.7%，自回归规划器则为 27.0%。在 ALFWorld 等智能体任务上训练后，两种方法生成计划的成功率相近，但扩散方法快了 39-46%。这项研究为提升长时程智能体的效率和适应性提供了一种新思路。

## 事实

- Plan-and-Patch 计划修复成功率：扩散模型为 53.7%，自回归模型（AR）为 27.0%
- 经过特定任务训练后，计划生成的平均延迟降低 39-46%

## 为什么重要

更快、更可靠的计划修复能力，有望让自主助手在更少中断的情况下完成复杂任务。

## 来源与参考

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

最后更新: 2026-10-09