論文の概要: When Planning Problems Become Hard for LLMs: Separating Structural Complexity from Semantic Interpretability

• arxiv url: http://arxiv.org/abs/2610.26964v1
• Date: Sun, 18 Oct 2026 15:45:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.410841
• Title: When Planning Problems Become Hard for LLMs: Separating Structural Complexity from Semantic Interpretability
• Title（参考訳）: 計画課題がLLMにとって困難なとき--意味論的解釈性から構造的複雑さを分離する
• Abstract要約: 大規模言語モデル(LLM)は古典的な計画に苦しむが、ベンチマークは象徴的な語彙の難しさと構造的な難しさを区別することは滅多にない。 BFS最適計画長を持つSTRIPSドメインを7つ検討した。 インスタンスを解決せずに構造上の困難を予測するために、ゼロトレーニングのDelete-relaxation $h_mathrmadd$ は代替手段を学んだ。
• 参考スコア（独自算出の注目度）: 7.454271650605623
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large language models (LLMs) struggle with classical planning, but benchmarks rarely distinguish structural difficulty from the difficulty of interpreting symbolic vocabulary. We examine seven STRIPS domains with BFS-optimal plan lengths. For predicting structural difficulty without solving an instance, the zero-training delete-relaxation heuristic $h_{\mathrm{add}}$ outperforms learned alternatives on held-out domains (mean Spearman $|ρ|=0.931$), including ridge regression ($0.707$), object count ($0.657$), and the episodic retrieval architecture ARC ($0.400$). ARC also fails to outperform a linear model using the same features. To isolate semantic effects, we progressively rename predicates while preserving states, transitions, and optimal plans. Valid LLM planning success drops from $67.5\%$ to $40.0\%$ between $0\%$ and $100\%$ renaming, while refusals remain at $0\%$. An LLM supplied with ARC's conditioning information predicts difficulty in context better than trained ARC (mean $|ρ|=0.826$). Hybrid routing between an LLM and a symbolic planner depends more on calibration to the target LLM's outcomes than on the structural score selected. Thus, established symbolic heuristics already estimate structural difficulty well; improving hybrid planning requires modeling LLM behavior sensitive to predicate semantics rather than developing more structural predictors.
• Abstract（参考訳）: 大規模言語モデル(LLM)は古典的な計画に苦しむが、シンボル語彙の解釈の難しさと構造的難しさを区別することは滅多にない。 BFS最適計画長を持つSTRIPSドメインを7つ検討した。 インスタンスを解決せずに構造上の困難を予測するために、ゼロトレーニングされた削除緩和ヒューリスティック $h_{\mathrm{add}}$ outperforms は、保持領域(平均スピアマン$|ρ|=0.931$)で学習された代替品(リッジ回帰(0.707$)、オブジェクト数(0.657$)、エピソード検索アーキテクチャARC(0.400$)を含む。 ARCは、同じ機能を使って線形モデルよりも優れている。 セマンティックエフェクトを分離するために、状態、遷移、最適な計画を維持しながら、述語を段階的に改名する。 LLM計画の成功率は、$0\%$と$100\%$リネームの間、$67.5\%$から$40.0\%$に低下する。 ARCの条件情報を備えたLLMは、訓練されたARC(平均$|ρ|=0.826$)よりもコンテキストの難しさを予測する。 LLMとシンボリックプランナーのハイブリッドルーティングは、選択された構造スコアよりも目標LLMの結果のキャリブレーションに依存する。 このように、確立された象徴的ヒューリスティックスは構造的難易度を推定し、ハイブリッド計画を改善するには、より構造的予測器を開発するのではなく、述語的意味論に敏感なLCMの振る舞いをモデル化する必要がある。

関連論文リスト

• DISCO: Distributed Long Context Scaling with Grounding-Reasoning Disaggregation [73.18483348526895]
  Distributed Long Context Scaling (DISCO)によるグラウンドディング・推論・デアグリゲーション Apache Sparkのような分散コンピューティングフレームワークにインスパイアされたdisCOは、並列でローカライズされたグラウンド専用のWorker LLM群をまたいだ長いコンテキストを分割する。 RULER-QA(1Mトークン)では、標準ベースラインが崩壊した場合の精度は78.4%である。 これはLongBench v2で最大9.8ポイントを分離し、Gemini-3-Pro-Previewのようなフロンティアモデルと一致し、推論コストを80%以上削減することで、フルコンテキストモデルを上回った。
  論文  参考訳（メタデータ） (2026-09-27T11:52:58Z)
• HCRE: LLM-based Hierarchical Classification for Cross-Document Relation Extraction with a Prediction-then-Verification Strategy [54.91468501159335]
  文書間関係抽出 (RE) は, 異なる文書に存在する頭部尾部エンティティ間の関係を識別することを目的としている。 本稿では,各レベルでの多視点検証により信頼性を向上させる推論戦略を提案する。
  論文  参考訳（メタデータ） (2026-04-09T07:55:27Z)
• $\nabla$-Reasoner: LLM Reasoning via Test-Time Gradient Descent in Latent Space [71.23672814629448]
  $nabla$-Reasonerは、トークンログに対する差別化可能な最適化をデコードループに統合する反復生成フレームワークである。 $nabla$-Reasonerは、挑戦的な数学的推論ベンチマークで20%以上の精度の向上を実現している。
  論文  参考訳（メタデータ） (2026-03-05T08:42:54Z)
• Pay for Hints, Not Answers: LLM Shepherding for Cost-Efficient Inference [7.865726406769634]
  小型言語モデル(SLM)は劇的なコスト削減を提供するが、精度はかなり遅い。 LLM Shepherdingは,LLMから短いプレフィックス(ヒント)のみを要求するフレームワークで,SLMに提供します。 シェパードはルーティングとカスケードの両方を一般化し、オラクルの意思決定において低コストを実現する。
  論文  参考訳（メタデータ） (2026-01-29T18:52:54Z)
• SCOPE: Language Models as One-Time Teacher for Hierarchical Planning in Text Environments [4.375012768093524]
  テキストベースの環境における長期計画は、オープンエンドアクションスペース、あいまいな観察、まばらなフィードバックによる重要な課題を示す。 近年の研究では、大規模言語モデル(LLM)が世界に関する豊富な意味知識をエンコードしていることが示唆されている。 既存のアプローチは、トレーニングや推論中にLLMを問い合わせることに大きく依存することが多く、計算コストが高く、効率的なデプロイが困難である。 LLM生成サブゴールを利用したワンショット階層型プランナーSCOPE(Subgoal-Conditioned Pretraining for Efficient Planning)を導入する。
  論文  参考訳（メタデータ） (2025-12-10T18:26:14Z)
• LM4Opt-RA: A Multi-Candidate LLM Framework with Structured Ranking for Automating Network Resource Allocation [0.7933039558471408]
  我々は,複雑な解析的および数学的推論タスクに,文脈的理解が不要であることに対処する。 既存のベンチマークデータセットは、動的な環境、変数、不均一な制約でそのような問題の複雑さに対処できない。 NL4RAは、LP、ILP、MILPとして定式化された50のリソース割り当て最適化問題からなるキュレートデータセットである。 次に,パラメータ数が異なるオープンソースのLLMの性能評価を行った。
  論文  参考訳（メタデータ） (2025-11-13T23:19:43Z)
• Towards Efficient LLM Grounding for Embodied Multi-Agent Collaboration [68.29746557968107]
  本稿では,多エージェント協調のための新しいフレームワークを提案する。これは,効率的な自己調整のための強化アドバンテージフィードバック(Reinforced Advantage feedback, ReAd)を導入する。 Over-AIと難解なRoCoBenchの実験は、ReAdが成功率のベースラインを超え、エージェントの相互作用ステップを著しく減少させることを示している。
  論文  参考訳（メタデータ） (2024-05-23T08:33:19Z)
• Reasoning with Language Model is Planning with World Model [27.24144881796878]
  大規模言語モデル(LLM)は、顕著な推論能力を示している。 LLMには、世界を予測するための$textitworldモデルがない。 我々は新しいLCM推論フレームワークである$underlineR$easoning vi$underlinea$$underlineP$lanning $textbf(RAP)$を提案する。
  論文  参考訳（メタデータ） (2023-05-24T10:28:28Z)

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。