計画の失敗箇所だけを直すAI手法、計画修正の成功率が従来の約2倍に

長時間の行動を伴うAIエージェントに向け、計画全体を作り直さずに問題箇所のみを修正するフレームワーク「Plan-and-Patch」に関する論文が公開された。拡散学習し、次に来る確率の高い単語を予測して文章の理解や作成を行うAIの仕組みのこと。">言語モデルを活用し、効率的な計画生成と部分的な修正の両立を目指している。

AIが複数の手順を実行する際、環境の変化やツールの予期せぬ結果によって当初の計画を見直す必要が生じる。しかし、計画全体を再生成すると前後の正常な手順まで不必要に変更されるリスクがある。本手法では、前後の手順を固定した状態を保ち、問題が生じた領域だけを穴埋めするように修復を行う。

拡散モデル「DreamReasoner-8B」と自己回帰型モデル「Qwen3-8B」を比較した検証では、タスク固有の追加学習を行わない「Natural Plan」において、計画修正の成功率が自己回帰型の27.0％に対し拡散モデルは53.7％を記録した。また「ALFWorld」や「TextCraft」を用いた検証では、計画生成にかかる平均の待ち時間が自己回帰型と比べて39〜46％削減されたとしている。