論文の概要: AdaPlanBench: Evaluating Adaptive Planning in Large Language Model Agents under World and User Constraints

• arxiv url: http://arxiv.org/abs/2606.05622v1
• Date: Thu, 04 Jun 2026 02:47:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.506375
• Title: AdaPlanBench: Evaluating Adaptive Planning in Large Language Model Agents under World and User Constraints
• Title（参考訳）: AdaPlanBench: 世界とユーザ制約下での大規模言語モデルエージェントの適応計画の評価
• Authors: Jiayu Liu, Cheng Qian, Zhenhailong Wang, Bingxuan Li, Jiateng Liu, Heng Wang, Jeonghwan Kim, Yumeng Wang, Xiusi Chen, Yi R. Fung, Heng Ji,
• Abstract要約: AdaPlanBenchは,Large Language Model (LLM)エージェントが適応的に計画し,段階的に明らかにされた制約の下で再計画できるかどうかを評価するための,インタラクティブなベンチマークである。 AdaPlanBenchは307の家庭用タスクに基づいて構築されている。 二重制約下での適応計画は依然として困難であり、最良のモデルは67.75%の精度にしか達していない。
• 参考スコア（独自算出の注目度）: 65.27107190916512
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Planning for real-world problems by language models often involves both world and user constraints, which may not be fully specified upfront and are progressively disclosed through interaction. However, existing benchmarks still underexplore adaptive planning under such progressively revealed dual constraints. To address this gap, we introduce AdaPlanBench, a dynamic interactive benchmark for evaluating whether Large Language Model (LLM) agents can adaptively plan and re-plan under progressively revealed world and user constraints. AdaPlanBench is built on 307 household tasks, with a scalable constraint construction pipeline that augments each task with dual constraints. At runtime, agents interact with the environment in a multi-turn protocol where hidden constraints are revealed only when the agent proposes a plan that violates them, requiring iterative plan revision under accumulating feedback. This makes planning challenging, as agents must infer and track constraints from feedback while re-planning effectively. Experiments on ten leading LLMs show that adaptive planning under dual constraints remains challenging, with the best model reaching only 67.75% accuracy. We further observe that performance degrades as more constraints accumulate, with user constraints posing a particularly large challenge and failures often stemming from weaker physical grounding and reduced effectiveness. These results establish AdaPlanBench as a testbed for dual-constrained interactive planning and highlight the challenge of reliable adaptation to dynamically revealed constraints in LLM agents.
• Abstract（参考訳）: 言語モデルによる実世界の問題の計画には、多くの場合、世界とユーザーの両方の制約が伴う。 しかし、既存のベンチマークでは、そのような2つの制約が徐々に明らかにされているため、適応的な計画がまだ明らかにされていない。 AdaPlanBenchは、Large Language Model (LLM) エージェントが、徐々に明らかにされた世界とユーザーの制約の下で適応的に計画および再計画できるかどうかを評価する動的インタラクティブベンチマークである。 AdaPlanBenchは307の家庭用タスクに基づいて構築されている。 エージェントは、エージェントがそれらに違反する計画を提案し、フィードバックを蓄積した反復的な計画修正を必要とする場合にのみ、隠れた制約が明らかにされるマルチターンプロトコルで環境と対話する。 エージェントは効果的に再計画しながら、フィードバックから制約を推測し、追跡する必要がある。 10個のLLMの実験では、二重制約下での適応計画は依然として困難であり、最良のモデルは67.75%の精度しか達成していない。 さらに、より多くの制約が蓄積されるにつれてパフォーマンスが低下し、ユーザの制約は特に大きな課題となり、障害は多くの場合、より物理的基盤の弱さと効率の低下から生じます。 これらの結果はAdaPlanBenchを二重制約型インタラクティブプランニングの試験台として確立し、LLMエージェントの動的制約に対する信頼性の高い適応の課題を強調した。

関連論文リスト

• PlanningBench: Generating Scalable and Verifiable Planning Data for Evaluating and Training Large Language Models [52.48858778580074]
  計画は大規模言語モデル(LLM)の基本的な機能である PlanningBenchは、評価とトレーニングの両方のためのスケーラブルで多様な検証可能な計画データを生成するためのフレームワークである。
  論文  参考訳（メタデータ） (2026-05-20T08:10:15Z)
• Generative Floor Plan Design with LLMs via Reinforcement Learning with Verifiable Rewards [16.41930427892441]
  プロのフロアプラン設計のためのAIシステムは、部屋間の接続性を尊重しながら、部屋の寸法と面積を正確に制御する必要がある。 既存の生成的アプローチは主に部屋間の要求された接続を尊重することに重点を置いているが、数値的な制約を尊重するフロアプランの生成はサポートしていない。 本稿では,大規模言語モデル(LLM)を実際の計画に微調整するテキストベースのフロアプラン生成手法を提案する。 本研究は,LLMが制約を効果的に処理できることを示し,テキストベース生成モデリングの幅広い応用を提案する。
  論文  参考訳（メタデータ） (2026-05-13T21:06:12Z)
• TAPE: Tool-Guided Adaptive Planning and Constrained Execution in Language Model Agents [16.59223734824801]
  制約付き実行(TAPE)を用いたツール誘導適応計画を提案する。 TAPE計画能力は、複数のプランをグラフに集約し、実行可能なパスを特定するために外部ソルバを使用する。 実行中、TAPEは制約付きデコードを使用してサンプリングノイズを低減し、環境フィードバックが意図された状態から逸脱するたびに適応的に再計画する。
  論文  参考訳（メタデータ） (2026-02-23T09:19:56Z)
• ATLAS: Constraints-Aware Multi-Agent Collaboration for Real-World Travel Planning [53.065247112514534]
  ATLASは、現実世界の旅行計画タスクにおける制約意識の複雑な性質を扱うために設計された汎用マルチエージェントフレームワークである。 我々はTravelPlannerベンチマークで最先端のパフォーマンスを示し、最終パスレートを23.3%から44.4%に改善した。
  論文  参考訳（メタデータ） (2025-09-29T23:23:52Z)
• OmniEVA: Embodied Versatile Planner via Task-Adaptive 3D-Grounded and Embodiment-aware Reasoning [50.45036742963495]
  我々は,先進的な具体的推論とタスクプランニングを可能にする,多元的多元的プランナーであるOmniEVAを紹介する。 Task-Adaptive 3D Groundingメカニズムは、様々な実施タスクに対してコンテキスト対応の3Dグラウンドを可能にする。 Embodiment-Aware Reasoningフレームワークは、タスクの目標と実施制約を推論ループに組み込む。
  論文  参考訳（メタデータ） (2025-09-11T10:32:22Z)
• Wide-Horizon Thinking and Simulation-Based Evaluation for Real-World LLM Planning with Multifaceted Constraints [39.01715254437105]
  本稿では,多面制約による計画課題を解決するための多面計画(MAoP)について紹介する。 MAoPは直接計画するのではなく、ストラテジストを活用して、さまざまな側面から事前計画を行い、プランナーのための計画青写真を提供する。
  論文  参考訳（メタデータ） (2025-06-14T09:37:59Z)
• Flex-TravelPlanner: A Benchmark for Flexible Planning with Language Agents [16.295418365993033]
  Flex-TravelPlannerは動的計画シナリオで柔軟に推論できる言語モデルの能力を評価するベンチマークです。 GPT-4o と Llama 3.1 70B を解析したところ,いくつかの重要な所見が得られた。
  論文  参考訳（メタデータ） (2025-06-05T05:31:50Z)
• Decompose, Plan in Parallel, and Merge: A Novel Paradigm for Large Language Models based Planning with Multiple Constraints [31.631832677979826]
  本稿では,並列計画パラダイムを提案し,並列におけるサブタスク計画とマージを最終計画(DPPM)に分割する。 具体的には、制約に基づいて複雑なタスクをサブタスクに分解し、各サブタスクのサブプランを並列に生成し、それらをグローバルプランにマージする。 実験の結果,DPPMは旅行計画タスクにおいて既存の手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2025-06-03T09:33:13Z)
• AdaPlanner: Adaptive Planning from Feedback with Language Models [56.367020818139665]
  大規模言語モデル(LLM)は、最近、シーケンシャルな意思決定タスクの自律的エージェントとして機能する可能性を実証している。 本研究では,LLMエージェントが環境フィードバックに応じて自己生成計画を適応的に改善することのできるクローズドループアプローチであるAdaPlannerを提案する。 幻覚を緩和するために,様々なタスク,環境,エージェント機能にまたがる計画生成を容易にするコードスタイルのLCMプロンプト構造を開発した。
  論文  参考訳（メタデータ） (2023-05-26T05:52:27Z)

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。