論文の概要: Learning and Reusing Policy Decompositions for Hierarchical Generalized Planning with LLM Agents

• arxiv url: http://arxiv.org/abs/2605.06957v1
• Date: Thu, 07 May 2026 21:22:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.629456
• Title: Learning and Reusing Policy Decompositions for Hierarchical Generalized Planning with LLM Agents
• Title（参考訳）: LLMエージェントを用いた階層型汎用計画の学習と再利用
• Authors: Shirin Sohrabi, Haritha Ananthakrishnan, Harsha Kokel, Kavitha Srinivas, Michael Katz,
• Abstract要約: LLMエージェントの汎用計画と階層的タスク分解を組み合わせた動的ポリシー学習手法を提案する。 AppWorldのベンチマークで評価すると、通常のタスクでは98.2%の精度、目に見えないアプリケーションでは97.8%の精度を実現している。
• 参考スコア（独自算出の注目度）: 23.980837254369117
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present a dynamic policy-learning approach that combines generalized planning and hierarchical task decomposition for LLM-based agents. Our method, Hierarchical Component Learning for Generalized Policies (HCL-GP ), learns parameterized policies that generalize across task instances and automatically extracts reusable components from successful executions, organizing them into a component library for compositional policy generation. We address three challenges: (1) learning components through automated decomposition, (2) generalizing components to maximize reuse, and (3) efficient retrieval via semantic search. Evaluated on the AppWorld benchmark, our approach achieves 98.2% accuracy on normal tasks and 97.8% on challenge tasks with unseen applications, improving 15.8 points over static synthesis on challenging scenarios. For open-source models, dynamic reuse enables 62.5% success versus near-zero without reuse. This demonstrates that classical planning concepts can be effectively integrated with LLM agents for improved accuracy and efficiency.
• Abstract（参考訳）: LLMエージェントの汎用計画と階層的タスク分解を組み合わせた動的ポリシー学習手法を提案する。 提案手法は,HCL-GP (Hierarchical Component Learning for Generalized Policies) で,タスクインスタンス全体にわたって一般化されたパラメータ化ポリシを学習し,再利用可能なコンポーネントを自動的に抽出し,構成ポリシー生成のためのコンポーネントライブラリに編成する。 1) 自動分解によるコンポーネントの学習,(2) 再利用の最大化のためのコンポーネントの一般化,(3) セマンティック検索による効率的な検索,の3つの課題に対処する。 AppWorldのベンチマークで評価すると、通常のタスクでは98.2%の精度、目に見えないアプリケーションでは97.8%の精度を実現し、挑戦シナリオでは静的合成よりも15.8ポイント向上した。 オープンソースモデルでは、動的再利用は62.5%の成功とほぼゼロの再利用を可能にしている。 このことは、古典的な計画概念がLLMエージェントと効果的に統合され、精度と効率が向上することを示している。

関連論文リスト

• HiPER: Hierarchical Reinforcement Learning with Explicit Credit Assignment for Large Language Model Agents [36.77027704958893]
  HiPERは階層的計画実行(Hierarchical Plan-Execute RL)フレームワークで、高レベルの計画と低レベルの実行を分離する。 HiPER は ALFWorld で97.4%、Qwen2.5-7B-Instruct で WebShop で83.3% を達成している。
  論文  参考訳（メタデータ） (2026-02-18T03:31:34Z)
• Phase-Adaptive LLM Framework with Multi-Stage Validation for Construction Robot Task Allocation: A Systematic Benchmark Against Traditional Optimization Algorithms [0.0]
  本稿では,LangGraphベースのタスク割り当てエージェント(LTAA)を紹介する。 LTAAは、位相適応型アロケーション戦略、階層型リトライによる多段階検証、効率的なロボット協調のための動的プロンプトを統合している。 LTAAはトークンの使用量を94.6%削減し、割り当て時間を86%短縮する。
  論文  参考訳（メタデータ） (2025-12-02T14:23:36Z)
• Unleashing Embodied Task Planning Ability in LLMs via Reinforcement Learning [41.67411509781136]
  大規模言語モデル(LLM)は、様々なタスクにまたがる顕著な機能を示している。 既存のアプローチは静的知識に基づいてオープンループアクションスクリプトを生成する。 結果駆動型強化学習フレームワークであるEmbodied Planner-R1を紹介する。
  論文  参考訳（メタデータ） (2025-06-29T07:31:24Z)
• Collab: Controlled Decoding using Mixture of Agents for LLM Alignment [90.6117569025754]
  人間のフィードバックからの強化学習は、大規模言語モデルを整合させる効果的な手法として現れてきた。 制御された復号化は、再訓練せずに推論時にモデルを整列するメカニズムを提供する。 本稿では,既存の既成のLCMポリシを活用するエージェントベースのデコーディング戦略の混合を提案する。
  論文  参考訳（メタデータ） (2025-03-27T17:34:25Z)
• ADaPT: As-Needed Decomposition and Planning with Language Models [131.063805299796]
  As-Needed Decomposition and Planning for Complex Tasks (ADaPT)について紹介する。 ADaPTは、Large Language Modelsがそれらを実行できない場合、複雑なサブタスクを明示的に計画し、分解する。 以上の結果から,ADaPTは強いベースラインを確立した。
  論文  参考訳（メタデータ） (2023-11-08T17:59:15Z)
• Multi-Task Off-Policy Learning from Bandit Feedback [54.96011624223482]
  本稿では,階層型非政治最適化アルゴリズム (HierOPO) を提案する。 学習方針の準最適性にタスクごとのバウンダリを証明し、階層モデルを使用しないよりも明確な改善を示す。 我々の理論的および実証的な結果は、各タスクを個別に解くよりも、階層を使うことの明確な利点を示している。
  論文  参考訳（メタデータ） (2022-12-09T08:26:27Z)
• Planning to Practice: Efficient Online Fine-Tuning by Composing Goals in Latent Space [76.46113138484947]
  汎用ロボットは、現実世界の非構造環境において困難なタスクを完了するために、多様な行動レパートリーを必要とする。 この問題に対処するため、目標条件強化学習は、コマンド上の幅広いタスクの目標に到達可能なポリシーを取得することを目的としている。 本研究では,長期的課題に対する目標条件付き政策を実践的に訓練する手法であるPlanning to Practiceを提案する。
  論文  参考訳（メタデータ） (2022-05-17T06:58:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。