論文の概要: Do LLM Agents Execute the Plans They Declare? From Planning-Mode Declaration to Pattern-Specific Execution

• arxiv url: http://arxiv.org/abs/2609.38108v1
• Date: Tue, 29 Sep 2026 17:47:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.806489
• Title: Do LLM Agents Execute the Plans They Declare? From Planning-Mode Declaration to Pattern-Specific Execution
• Title（参考訳）: LLMエージェントは、彼らが宣言する計画を実行するか? 計画修正宣言からパターン特定実行へ
• Abstract要約: 大規模言語モデル(LLM)は、エージェントが計画を生成し、それを環境内で実行することで、長い水平タスクを解くことを可能にする。 成功する計画には、タスクの適切な計画を選択し、忠実に実行するという、2つの異なる機能が必要です。 LLMが4つの計画モードのうちの1つを宣言し、対応するパターン固有の実行者にタスクをディスパッチするプランニング・アズ・ルーティングを導入する。
• 参考スコア（独自算出の注目度）: 10.075319713861147
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large language models (LLMs) enable agents to solve long-horizon tasks by generating a plan and then executing it in an environment. However, successful planning requires two distinct capabilities: selecting an appropriate plan for the task and executing it faithfully. Existing planner--executor systems can fail at either stage, while final task success alone cannot distinguish selection from execution failures. We therefore study the Plan Declaration--Execution Gap and introduce Planning-as-Routing, where an LLM declares one of four planning modes: Predefined, Sequential, Hierarchical, or Search, and a deterministic router dispatches the task to the corresponding pattern-specific executor. Across four benchmarks and three LLMs, we find three consistent patterns. First, generic Plan+ReAct often fails to preserve declared planning structure, especially for longer plans: across three benchmarks, only (22)--(45%) of trajectories preserve it, whereas pattern-specific executors enforce the intended structure. Second, planning-mode effectiveness varies across environments and models: Search performs best on ALFWorld, Hierarchical on SWE-bench, and the strongest pattern can vary across models within the same benchmark. Third, the largest gains come from execution: pattern-specific executors improve task success from (0.48) to (0.92) on ALFWorld and from (0.36) to (0.44) on SWE-bench Verified over Plan+ReAct. Current LLMs, however, do not reliably select the strongest mode for each task, although few-shot examples improve selection in some benchmark--model combinations. Overall, reliable agent planning requires both effective mode selection and faithful execution: routing substantially closes the execution gap, while task-specific mode selection remains open.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、エージェントが計画を生成し、それを環境内で実行することで、長い水平タスクを解くことを可能にする。 しかしながら、成功した計画には、タスクの適切な計画を選択し、忠実に実行するという、2つの異なる機能が必要です。 既存の計画立案者-実行者系はいずれの段階でも失敗することがあるが、最終作業成功だけでは実行失敗の選択を区別できないため、計画宣言-実行ギャップ(Planet Declaration-Execution Gap)とプランニング・アズ・ルーティング(Planning-as-Routing)を導入し、LCMが4つの計画モードのうちの1つを宣言するプランニングモード(Predefined, Sequential, Hierarchical, 検索)と決定論的ルータ(Deterministic router)が、対応するパターン固有の実行者に対してタスクをディスパッチする。 4つのベンチマークと3つのLSMで、3つの一貫したパターンが見つかる。 第一に、一般的なPlan+ReActは宣言された計画構造、特により長い計画において、宣言された計画構造を保存するのに失敗する:3つのベンチマークで(22)--(45%)の軌跡しか保存しないのに対して、パターン固有の実行者は意図した構造を強制する。 第二に、計画モードの有効性は、環境やモデルによって異なる: ALFWorld、SWE-benchにおける階層的検索、そして最も強力なパターンは、同じベンチマーク内のモデルによって異なる。 パターン固有の実行者は、ALFWorld上で(0.48)から(0.92)に、Plan+ReAct上でSWE-benchで(0.36)から(0.44)にタスク成功を改善する。 しかし、現在のLLMは各タスクに対して最強モードを確実に選択するわけではない。 全体として、信頼できるエージェント計画には効果的なモード選択と忠実な実行の両方が必要である。

関連論文リスト

• Does The Way You Plan Matter? An Empirical Study of Planning Representations for LLM Web Agents [43.297647791392144]
  エージェント性能における計画表現の影響を評価するフレームワークであるPlanAheadを紹介する。 まず、WebArenaタスクを3つの難易度に分類し、人間のアノテーションなしで一貫した難易度付けを可能にする。 次に,4つの異なる計画表現を,難易度に分類して体系的に評価する。
  論文  参考訳（メタデータ） (2026-05-28T13:39:49Z)
• Hindsight Planner: A Closed-Loop Few-Shot Planner for Embodied Instruction Following [62.10809033451526]
  本研究は,Large Language Models (LLM) を用いた Embodied Instruction following (EIF) タスクプランナの構築に焦点をあてる。 我々は,このタスクを部分観測可能なマルコフ決定プロセス (POMDP) として構成し,数発の仮定で頑健なプランナーの開発を目指す。 ALFREDデータセットに対する我々の実験は、プランナーが数ショットの仮定で競争性能を達成することを示す。
  論文  参考訳（メタデータ） (2024-12-27T10:05:45Z)
• TwoStep: Multi-agent Task Planning using Classical Planners and Large Language Models [7.006219157655741]
  大規模言語モデル(LLM)は、アクションシーケンスを組み立てるためにコモンセンス推論を利用することができる。 LLMをベースとした目標分解は,複数エージェントのPDDL問題を直接解決するよりも,計画時間の短縮につながることを示す。 LLMによるサブゴールの近似は、人間の専門家によって特定されたものと類似したマルチエージェント実行長をもたらすことが判明した。
  論文  参考訳（メタデータ） (2024-03-25T22:47:13Z)
• 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)
• Tree-Planner: Efficient Close-loop Task Planning with Large Language Models [63.06270302774049]
  Tree-Plannerは、大きな言語モデルでタスクプランニングを3つの異なるフェーズに再構成する。 Tree-Plannerは高い効率を維持しながら最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-10-12T17:59:50Z)
• 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)
• Describe, Explain, Plan and Select: Interactive Planning with Large Language Models Enables Open-World Multi-Task Agents [26.78244595330595]
  「$underlineD$escribe」は、Large Language Models(LLMs)に基づく対話型計画手法である。 DEPSは、計画実行プロセスの$textitdescription$を統合することで、初期LLM生成の$textitplan$のエラー修正を容易にする。 実験は、70以上のMinecraftタスクを確実に達成できる最初のゼロショットマルチタスクエージェントのマイルストーンとなる。
  論文  参考訳（メタデータ） (2023-02-03T06:06:27Z)

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。