계획(planning)은 여러 단계에 걸쳐 하위 목표, 도구 사용, 중간 결과를 조율하여 성공적으로 실행해야 하는 장기적(long-horizon) 에이전트(agent)에게 점점 더 중요해지고 있습니다. 그러나 계획 수립 중에 세운 가정이 환경(environment)에 의해 무효화되거나, 도구가 예상치 못한 결과를 반환하거나, 행동이 실패할 수 있습니다. 따라서 효과적인 에이전트는 계획을 생성할 뿐만 아니라 수정할 수도 있어야 합니다. 이러한 수정은 흔히 계획의 일부에만 영향을 미치며, 앞선 구조와 후속 구조는 그대로 유지합니다. 계획 전체를 다시 생성하여 불필요한 변경을 초래할 위험을 감수하기보다는, 보존된 접두 문맥(prefix)과 접미 문맥을 조건으로 하여 영향을 받은 영역만 복구(repair)를 통해 재생성할 수 있습니다. 본 논문에서는 확산 언어 모델(dLLM)이 병렬 언마스킹(parallel unmasking)을 통해 구조화된 프로그램 형태의 계획을 생성하고, 주변 단계를 고정한 채 선택된 영역을 채워 넣어 계획을 복구하는 계획-실행(plan-and-act) 프레임워크인 Plan-and-Patch를 소개합니다. 저자들은 확산 플래너와 자기회귀(AR) 플래너로서 DreamReasoner-8B와 Qwen3-8B를 비교합니다. 태스크 맞춤형 학습(training)이 없는 Natural Plan에서 확산 모델(53.7%)은 AR(27.0%) 대비 두 배에 가까운 계획 복구 성공률을 달성합니다. 에이전틱 벤치마크(benchmark)인 ALFWorld 및 TextCraft에서 태스크 맞춤형 학습을 거친 후, 두 플래너는 계획 생성에서 유사한 관측 성공률을 보인 반면, 확산 모델은 AR 대비 평균 계획 생성 지연 시간을 39-46% 단축합니다. 본 연구 결과는 Plan-and-Patch가 장기적 에이전트에서 더 빠른 계획 생성과 효과적인 계획 복구를 지원하는 프레임워크를 제공함을 보여줍니다.
최근 우주 분야를 위한 대규모 언어 모델(LLM-for-Space) 시스템은 임무 계획, 스케줄링, 운용 지원, 시뮬레이터 제어 및 자율성을 다루고 있지만, 이러한 시스템의 평가는 서로 다른 태스크 규약(task contract), 제어 설정, 시뮬레이터 및 성공 기준을 사용하고 있습니다. 본 논문에서는 스케줄링, 관측 계획, 군집 위성(constellation) 설계, 중계 지원 도메인에서 실행 가능한 우주 임무 계획을 다루는 7개 패밀리로 구성된 벤치마크인 AstroAgentBench를 소개합니다. 각 사례에서 에이전트(agent)는 스키마, 타이밍, 기하학적 구조, 자원, 임무 가치에 대해 외부 검증기(verifier)의 검사를 받는 계획 아티팩트를 제출합니다. 결과는 유효성 및 정규화된 점수를 보고하며, 태스크별 솔버(solver) 기준값과의 비교를 포함합니다. 5개의 LLM 에이전트 시스템과 35개의 미공개(held-out) 사례를 대상으로 평가한 결과, 가장 우수한 시스템들은 여러 패밀리에서 솔버 기준 점수에 근접하거나 이를 능가한 반면, 성능이 떨어지는 시스템들은 높은 가치의 유효한 계획을 생성하지 못하는 경우가 많았으며, 우수한 시스템조차 기하학적이거나 프로덕트 수준의 태스크 또는 설계 비중이 높은 태스크에서는 품질 저하를 보였습니다. 트레이스 분석을 통해 실패 원인을 태스크 규약의 잘못된 공식화와 취약한 설루션 구축이라는 두 가지 지점으로 분리했습니다. 반면 성공적인 실행은 에이전트가 작성한 구현을 검증기 피드백에 맞추어 보정하고, 사례별 고유 구조에 맞게 탐색을 조정했습니다. 절제 연구(ablation study)에서는 절차 주입과 메모리 축적이 결여된 공식화, 보정 또는 탐색 지원을 제공할 때 선택적으로 도움이 됨을 보여줍니다.
다단계 역합성(retrosynthesis) 계획은 일련의 실현 가능한 반응을 통해 목표 분자를 상업적으로 이용 가능한 빌딩 블록(building block)으로 분해하는 것을 목표로 한다. 광대한 조합적 탐색 공간 때문에 이 과제는 전문 화학자에게도 어렵다. 기존 방법은 트리 탐색(tree search)과 오프라인 학습된 가치 네트워크(value network)를 결합하는데, 후보를 고립적으로 점수화할 뿐 완전한 다단계 경로에 대해 추론하지는 않는다. 최근 연구는 이 과제에 대규모 언어 모델(LLM)을 활용하지만, 단순한 인터페이스에 의존하여 전체 탐색 공간의 탐험을 제한한다. 우리는 구조화된 메모리를 갖춘 하네스를 통해 기호적 탐색과 신경망 추론을 연결하는 LLM 에이전트인 RetroAgent를 제안한다. 메모리와 화학 도구를 통해 에이전트는 탐색된 경로, 이용 가능한 대안, 중간체의 특성을 포함한 전체 탐색 상태를 관찰하여, 전역적 진행 상황과 도메인 지식 모두에 그라운딩(grounding)된 정보에 기반한 의사결정을 내릴 수 있다. 분포 내(in-distribution) 및 분포 외(out-of-distribution) 벤치마크(benchmark)에서의 실험은 RetroAgent가 강력한 성능과 일반화(generalization)를 달성함을 보여준다.
Reviewing nuclear regulatory documents requires multi-hop reasoning across tens of thousands of pages, where judgments depend on evidence assembled across multiple chapters. We frame this task as planning: an LLM-based agent observes the evidence collected so far, picks the next document fragment to inspect, and stops when the evidence is sufficient. The agent operates over a vectorless document tree using browse, read, and search tools, and maintains a dynamic knowledge graph (KG) as state. On a 200-question benchmark over NuScale Final Safety Analysis Report (FSAR) documents, the system reaches 81.5% accuracy with a RAGAS Faithfulness of 0.93. The dominant performance factor is planning: against PageIndex, which uses the same document tree without state-conditioned action selection, the gap is +38.0pp (43.5% to 81.5%, p<0.001). The system also outperforms LightRAG (73.0%, p<0.05), HippoRAG (70.5%, p<0.01), and GraphRAG (49.5%, p<0.001), and matches RAPTOR (75.5%, p=0.11) without offline indexing. Edge inference adds 2.8x cost without raising accuracy; we retain it as a traceability module. Of 7,391 inferred edges, 3 Violates edges (0.04%) flag scope boundaries (Q058) and partial conformance (Q176) as typed annotations that a human reviewer can audit.