面向通用规划的抽象生成：基于预训练大语言模型
人工智能
2026-02-12 v1
摘要
定性数值规划（QNP）是通用规划（GP）的重要抽象模型，旨在计算能够一次性解决多个实例的通用计划。近期研究表明，大语言模型（LLM）可作为通用规划器发挥作用。本文探讨了 LLM 是否可作为 GP 问题的 QNP 抽象生成器，以及如何通过自动化调试来修复抽象。我们提出了一种提示协议：输入 GP 领域和训练任务，让 LLM 生成抽象特征，进一步将初始状态、动作集和目标抽象为 QNP 问题。设计了一种自动化调试方法，用于检测抽象错误，引导 LLM 修复抽象。实验表明，在经过自动化调试正确引导的情况下，一些 LLM 能够生成有用的 QNP 抽象。
引用
@article{arxiv.2602.10485,
title = {Abstraction Generation for Generalized Planning with Pretrained Large Language Models},
author = {Zhenhe Cui and Huaxiang Xia and Hangjun Shen and Kailun Luo and Yong He and Wei Liang},
journal= {arXiv preprint arXiv:2602.10485},
year = {2026}
}