Limited Reasoning Space: The cage of long-horizon reasoning in LLMs
本文提出Halo框架,通过熵驱动的双控制器实现可控推理,解决LLM长视图任务中的推理限制问题。
2026-03-12 cs.AI
ItinBench: Benchmarking Planning Across Multiple Cognitive Dimensions with Large Language Models
University of Virginia(弗吉尼亚大学)
本文提出ItinBench,通过整合空间推理和传统语言推理任务,评估大语言模型在多认知维度上的规划能力,发现模型在同时处理多个维度时性能不稳定。
2026-03-19 cs.AI
Faithful-First Reasoning, Planning, and Acting for Multimodal LLMs
Shanghai Jiao Tong University(上海交通大学);The Hong Kong University of Science and Technology(香港科技大学);The Australian National University(澳大利亚国立大学);Fudan University(复旦大学);University of Sydney(悉尼大学)
本文提出Faithful-First RPA框架,通过逐步监督提升多模态推理的忠实度,实验表明其在多个基准上提升了24%的感知忠实度,且不降低任务准确性。
2026-04-08 cs.AI
Spatial Reasoning in LLM Game Agents: Impact of Causal Context and Multi-Step Planning
研究基于大语言模型的游戏智能体在复杂任务中表现不佳的问题,通过实验验证因果提示增强和多步规划可提升胜率并控制延迟,引入新基准评估,发现较大模型定位更准,融入因果上下文和多步规划能优化性能与速度。
2026-07-28 cs.AI
Extracting Search Trees from LLM Reasoning Traces Reveals Myopic Planning
Generality Inc.(Generality公司)
通过从四子棋游戏推理轨迹中提取搜索树并拟合计算模型,发现LLM的规划是短视的,其决策主要由浅层节点驱动,而非深层搜索。
2026-11-02 cs.AI
Q*: Improving Multi-step Reasoning for LLMs with Deliberative Planning
Skywork AI(天工开物AI);Nanyang Technological University(南洋理工大学)
本文提出Q*框架,将多步推理视为启发式搜索,通过学习Q值模型指导解码,无需微调即可提升开源LLMs在GSM8K、MATH和MBPP上的推理性能。
2024-07-22 cs.AI
ReCAP: Recursive Context-Aware Reasoning and Planning for Large Language Model Agents
Department of Computer Science, Stanford University(斯坦福大学计算机科学系);Stanford Institute for Human-Centered AI(斯坦福大学人本人工智能研究所);MIT Media Lab(麻省理工学院媒体实验室)
针对大语言模型长程任务中序列提示易漂移、分层提示开销高的问题,提出带共享上下文的ReCAP分层框架,通过三项核心机制提升子目标对齐与成功率,在Robotouille基准上获显著增益。
2025-10-27 cs.AI
AirRAG: Autonomous Strategic Planning and Reasoning Steer Retrieval Augmented Generation
Alibaba Cloud Computing(阿里巴巴云 computing)
AirRAG将自主战略规划与蒙特卡洛树搜索引入检索增强生成,通过五种基本推理动作扩展解空间,并结合自一致性验证与计算最优资源分配,在复杂问答任务上实现显著性能提升。
2025-08-27 cs.AI
Towards Reliable and Robust LLM Planning: Symbolic Feedback-Driven Iterative Self-Refinement Framework
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所)
提出符号反馈驱动的迭代自我精炼框架,通过自然语言提示、符号验证器和计划识别器增强LLM在长时域规划中的鲁棒性和可靠性。
2026-06-29 cs.AI
Can LLMs Fix Issues with Reasoning Models? Towards More Likely Models for AI Planning
Colorado State University(科罗拉多州立大学);Ecole Polytechnique de Tunisie(突尼斯综合理工学院);IBM Research(IBM研究院)
本文首次研究 LLM 在 AI 规划模型空间编辑中的应用,比较其独立推理及与组合搜索两阶段协同的效果,验证了 LLM 用于模型空间推理的潜力。
2024-03-05 cs.AI
What We Talk About When We Talk About LLM Planning: Evidence for Two Distinct Planning Abilities
Faculty of Information Technology, Monash University(莫纳什大学信息技术学院)
研究大语言模型规划任务性能差异原因,通过在ACPBench-Hard上评估多个模型家族,应用多维项目反应理论模型,发现操作推理和结构枚举两个塑造规划性能的维度,推动大语言模型规划的能力层面评估。
2026-10-14 cs.AI
Inference-Time Computations for LLM Reasoning and Planning: A Benchmark and Insights
Texas A&M University(得克萨斯农工大学)
本文构建 Sys2Bench,在五大类十一项任务上评估多种 LLM 推理时技术,揭示单纯增加推理时计算并不能稳定提升各类推理与规划性能。
2025-02-18 cs.AI cs.LG
ToolTree: Efficient LLM Agent Tool Planning via Dual-Feedback Monte Carlo Tree Search and Bidirectional Pruning
School of Computing and Information Systems, The University of Melbourne(墨尔本大学计算与信息学院);School of Physics, Mathematics and Computing, The University of Western Australia(西澳大学物理、数学与计算学院)
本文提出ToolTree,一种基于蒙特卡洛树搜索的工具规划方法,通过双阶段LLM评估和双向剪枝机制,提升工具使用序列的适应性和效率,实验表明其在多种基准测试中性能提升约10%。
2026-03-13 cs.AI
HBTP: Heuristic Behavior Tree Planning with Large Language Model Reasoning
本文提出HBTP框架,通过大语言模型推理生成启发式路径以指导行为树规划扩展,并结合动作空间剪枝与反思反馈提升准确性与效率,解决了复杂场景下BT规划耗时长的问题。
2025-03-07 cs.AI cs.RO
Cooperative Strategic Planning Enhances Reasoning Capabilities in Large Language Models
Carnegie Mellon University(卡内基梅隆大学);Tsinghua University(清华大学)
针对多智能体LLM协作不足的问题,本文提出CoPlanner框架,由规划智能体提供战略提示、推理智能体执行推断,并用PPO训练规划策略,显著提升多步骤推理性能。
2024-10-25 cs.AI cs.CL
PlanBench: An Extensible Benchmark for Evaluating Large Language Models on Planning and Reasoning about Change
Arizona State University(亚利桑那州立大学);Colorado State University(科罗拉多州立大学)
提出可扩展基准PlanBench,基于自动化规划领域测试LLMs在规划与变化推理上的能力,发现即使SOTA模型在计划生成等关键能力上表现仍不足,可作为衡量进展的标志。
2023-11-26 cs.AI cs.CL
From Perception to Planning: Evolving Ego-Centric Task-Oriented Spatiotemporal Reasoning via Curriculum Learning
Zhejiang University(浙江大学);Tianjin University(天津大学);Qingdao University(青岛大学);Shanghai Jiao Tong University(上海交通大学);National University of Singapore(新加坡国立大学)
本文提出EgoTSR框架,通过课程学习提升任务导向的空间时间推理能力,解决静态感知和动态环境中的时空幻觉问题,实验显示其在长周期推理任务中准确率达92.4%。
2026-04-12 cs.AI
Knowledge Model Prompting Increases LLM Performance on Planning Tasks
School of Interactive Computing(交互计算学院);Georgia Institute of Technology(佐治亚理工学院)
TMK框架通过显式任务分解和因果推理提升LLM在规划任务中的性能,使其在复杂符号任务中达到97.3%的准确率。
2026-02-03 cs.AI
Model-First Reasoning LLM Agents: Reducing Hallucinations through Explicit Problem Modeling
Stanford AI Professional Program(斯坦福AI专业项目);IESE EMBA Program(IESE EMBA项目)
本文提出基于模型的推理方法,通过显式问题建模减少LLM在复杂规划任务中的幻觉和不一致性。
2025-12-16 cs.AI
On the Self-Verification Limitations of Large Language Models on Reasoning and Planning Tasks
Arizona State University(亚利桑那州立大学)
本文通过GPT-4在Game of 24、Graph Coloring和STRIPS规划上的对比实验,发现自我批评导致性能下降,而可靠外部验证可显著提升性能。
2024-08-03 cs.AI
PlanU: Large Language Model Reasoning through Planning under Uncertainty
Fujian Key Laboratory of Sensing and Computing for Smart Cities, School of Informatics, Xiamen University(福建智慧城市感知与计算重点实验室,信息学院,厦门大学);Key Laboratory of Multimedia Trusted Perception and Efficient Computing, XMU(多媒体可信感知与高效计算重点实验室,XMU);School of Computer, National University of Defense Technology(计算机学院,国防科技大学)
针对LLM在不确定性下多步推理表现不佳的问题,提出基于MCTS的规划方法PlanU,通过分位数分布建模节点回报并引入UCC分数平衡探索与利用,有效提升了不确定性下的LLM推理性能。
2025-11-05 cs.AI
LEGO-Puzzles: How Good Are MLLMs at Multi-Step Spatial Reasoning?
Shanghai AI Laboratory(上海人工智能实验室);Tongji University(同济大学);Tsinghua University(清华大学)
该研究推出多步骤空间推理基准LEGO-Puzzles,评估29个顶尖MLLMs,发现其在基础空间推理、多步骤规划任务上远逊于人类,凸显其空间推理能力存在关键局限。
2026-08-11 cs.AI
Non-myopic Generation of Language Models for Reasoning and Planning
The University of Hong Kong(香港大学);Peking University(北京大学);Zhejiang University(浙江大学);Westlake University(西湖大学);The Hong Kong University of Science and Technology(香港科技大学)
本文提出Predictive-Decoding方法,将模型预测控制引入LLM推理,通过前瞻轨迹重加权分布以缓解早期错误,在数学、编程和智能体任务中提升规划效果并降低计算成本。
2024-10-28 cs.AI cs.CL
Learning Planning-based Reasoning by Trajectories Collection and Process Reward Synthesizing
Nanyang Technological University(南洋理工大学);Institute for Infocomm Research (IR), A * STAR(新加坡资讯通信研究院(A*STAR));Salesforce Research(Salesforce研究院)
针对LLM推理中的幻觉、规划搜索高延迟及人工标注成本高的问题,提出通过收集轨迹并基于合成过程奖励进行DPO来学习基于规划的推理,其7B模型在逻辑推理基准上超越了GPT-3.5-Turbo。
2024-10-15 cs.AI cs.CL
LLM3:Large Language Model-based Task and Motion Planning with Motion Failure Reasoning
University of California, Los Angeles(加州大学洛杉矶分校);BIGAI(北京智源人工智能研究院)
提出LLM^3框架,利用大语言模型通过运动失败推理迭代优化任务与运动规划,实现领域无关接口,仿真与物理实验验证其有效性与实用性。
2024-08-21 cs.AI cs.RO
On the Empirical Complexity of Reasoning and Planning in LLMs
National University of Singapore(新加坡国立大学)
本文通过6项推理任务的实验案例,将CoT与ToT的性能优势联系到样本与计算复杂性原则,揭示任务分解及树结构在困难推理任务中的作用。
2024-06-18 cs.AI cs.LG
Automated stereotactic radiosurgery planning using a human-in-the-loop reasoning large language model agent
本文提出利用人类在回路的推理大型语言模型代理进行自动化立体定向放射手术计划,通过对比推理模型与非推理模型,展示了推理模型在剂量优化和计划行为上的优势。
2025-12-23 cs.AI cs.CL cs.HC
Teaching LLMs to Plan: Logical Chain-of-Thought Instruction Tuning for Symbolic Planning
MIT CSAIL(麻省理工学院计算机科学与人工智能实验室);Microsoft AI(微软人工智能)
提出PDDL-Instruct指令微调框架,通过逻辑思维链推理教导LLM严谨推理动作适用性与状态转换,在标准基准上实现94%规划准确率,较基线绝对提升66%。
2025-09-14 cs.AI cs.CL
Reinforced Reasoning for Embodied Planning
Tongji University(同济大学);Tsinghua University(清华大学);Bank of Communications(中国银行)
本文提出一种强化微调框架,通过蒸馏数据集进行监督微调并结合GRPO优化多步动作奖励,将R1风格推理增强引入具身规划,显著提升了模型在Embench上的表现与泛化能力。
2025-07-13 cs.AI cs.LG
Novelty-based Tree-of-Thought Search for LLM Reasoning and Planning
RWTH Aachen(亚琛工业大学)
本文提出基于新颖性的树状思维搜索方法,通过引入新颖性概念优化语言领域推理与规划任务,减少搜索范围和token成本。
2026-05-07 cs.AI cs.CL
PGPO: Enhancing Agent Reasoning via Pseudocode-style Planning Guided Preference Optimization
Shanghai Jiao Tong University(上海交通大学);Taobao & Tmail Group of Alibaba(阿里巴巴淘宝天猫集团);Alibaba Group(阿里巴巴集团)
本文提出PGPO方法,利用伪代码风格规划引导偏好优化,通过两种面向规划的奖励增强LLM智能体生成高质量结构化规划的能力,从而提升推理效率、泛化性并减少动作错误与遗漏。
2025-06-02 cs.AI cs.CL
More Than Meets the Eye? Uncovering the Reasoning-Planning Disconnect in Training Vision-Language Driving Models
S-Lab, Nanyang Technological University, Singapore(南洋理工大学S实验室);College of Computing and Data Science, Nanyang Technological University, Singapore(南洋理工大学计算与数据科学学院)
该研究针对视觉语言驾驶模型中推理是否因果驱动规划的问题,构建DriveMind语料库开展实验,发现推理与规划存在因果脱节,提出解耦假说及免训练诊断工具。
2026-11-10 cs.AI cs.CL cs.RO
Why Reasoning Fails to Plan: A Planning-Centric Analysis of Long-Horizon Decision Making in LLM Agents
University of Notre Dame(诺丁汉大学);Stanford University(斯坦福大学);Purdue University(普渡大学);University of Edinburgh(爱丁堡大学);University of Oxford(牛津大学);Yale University(耶鲁大学)
本文从规划角度分析LLM代理在长周期决策中的失败原因,提出FLARE方法通过前瞻和价值传播提升规划能力,使LLaMA-8B在多个基准中超越GPT-4o。
2026-01-29 cs.AI cs.CL cs.LG
A Survey on Feedback-based Multi-step Reasoning for Large Language Models on Mathematics
Santa Clara University(圣克拉拉大学)
本文综述了基于步骤级与结果级反馈增强大语言模型多步数学推理的各类策略,涵盖基于训练与免训练的反馈方法,旨在为该领域研究奠定基础并推动后续发展。
2025-02-20 cs.AI cs.CL
Understanding and Exploiting Initialization Anchoring Weakness in Feedback-Based Agent Planning
Shandong University(山东大学)
本研究揭示基于反馈的智能体规划存在初始化锚定弱点,提出黑盒攻击框架InitAnchor,利用方向偏移、上下文合理性和反证韧性信号,在112个任务中实现高达76.1%的攻击成功率,表明早期偏差难以被后续纠正消除。
2026-09-25 cs.AI cs.CR
SMaRT: Select, Mix, and ReinvenT -- A Strategy Fusion Framework for LLM-Driven Reasoning and Planning
SMaRT框架通过融合多样化推理策略,提升大语言模型在推理与规划任务中的性能和鲁棒性。
2026-02-12 cs.AI cs.CL
iCLP: Large Language Model Reasoning with Implicit Cognition Latent Planning
Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));University of Alberta(阿尔伯塔大学)
iCLP通过隐式认知潜在规划提升大语言模型的推理准确性和效率,实现跨领域泛化与可解释性。
2025-12-30 cs.AI cs.CL
Latent Chain-of-Thought as Planning: Decoupling Reasoning from Verbalization
Beihang University(北航大学);Didi Chuxing(滴滴出行)
PLaT通过解耦推理与言说,实现了更灵活的推理过程和更高的可扩展性。
2026-09-29 cs.AI cs.CL
Planning Beyond Text: Graph-based Reasoning for Complex Narrative Generation
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Tencent Turing Lab(腾讯人工智能实验室)
本文提出PLOTTER框架,通过结构图进行叙事规划,提升LLM在复杂叙事生成中的长上下文推理能力。
2026-04-23 cs.AI cs.CL
LLaViDA: A Large Language Vision Driving Assistant for Explicit Reasoning and Enhanced Trajectory Planning
Duke University(杜克大学);Georgia State University(佐治亚州立大学);University of Florida(佛罗里达大学)
LLaViDA通过视觉-语言模型实现显式推理和轨迹规划,提升自动驾驶的轨迹规划性能。
2025-12-20 cs.AI cs.RO
MAF: Multi-Aspect Feedback for Improving Reasoning in Large Language Models
University of California, Santa Barbara(加州大学圣巴巴拉分校)
本文提出 Multi-Aspect Feedback 迭代精炼框架,通过集成多个专注特定错误类别的反馈模块(含冻结LM和外部工具),有效解决LM推理链中的多种错误,在数学推理和逻辑蕴含任务上分别实现高达20%和18%的相对提升。
2023-10-19 cs.AI cs.CL
PACE: Adaptive Budget Allocation for Time-Efficient Embodied Planning
PACE框架通过交错式思考-执行架构和动态预算分配器,在Robotouille基准测试中较ReAct+Think基线提升规划成功率,同时大幅减少推理时间,实现具身规划的时间效率与质量同步提升。
2026-08-05 cs.AI cs.RO
A Human-Like Reasoning Framework for Multi-Phases Planning Task with Large Language Models
The University of Hong Kong(香港大学);Institute of Data Science(数据科学研究所)
本研究提出一个类人规划框架,引导LLM智能体模拟人类多阶段规划步骤,集成策略与知识模块,显著提升旅行规划任务的效率与效果,性能较基线提升10倍。
2024-05-28 cs.AI cs.CL cs.LG
Visual Planning: Let's Think Only with Images
Language Technology Lab, University of Cambridge(剑桥大学语言技术实验室);Google(谷歌公司)
本文提出视觉规划范式,通过图像进行推理,优于纯文本推理,在视觉导航任务中表现更优。
2026-02-20 cs.AI cs.CL cs.CV
OOWM: Structuring Embodied Reasoning and Planning via Object-Oriented Programmatic World Modeling
Sun Yat-sen University(中山大学);Guangdong Key Laboratory of Big Data Analysis and Processing(广东省大数据分析与处理重点实验室);X-Era AI Lab(X-Era AI实验室)
OOWM通过软件工程形式化方法构建具身推理框架,利用UML类图和活动图实现环境状态与控制策略的显式建模,结合监督微调与分组相对策略优化提升规划效果。
2026-02-25 cs.AI cs.LG
UML-CoT: Structured Reasoning and Planning with Unified Modeling Language for Robotic Room Cleaning
Sun Yat-sen University(中山大学);X-Era AI Lab(X-Era 人工智能实验室)
针对非结构化思维链在具身任务中可解释性与可执行性不足的问题,提出基于UML的结构化推理规划框架UML-CoT,结合三阶段训练策略,在新基准MRoom-30k上表现优于非结构化思维链。
2025-09-29 cs.AI cs.CV cs.LG
ReHoPER: Receding-Horizon Planning for Enhanced Reasoning
University of Illinois Chicago(伊利诺伊大学芝加哥分校)
提出ReHoPER,一种仅推理的零样本方法,通过滚动规划中间问题并回答来增强LLM推理,在组合推理基准上优于强基线。
2026-10-02 cs.AI cs.CL cs.LG
Generating Planning Feedback for Open-Ended Programming Exercises with LLMs
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
针对开放式编程练习中自动评分无法反馈规划过程的问题,提出用LLM检测学生程序的高层级规划,证明GPT-4o及微调后的GPT-4o-mini检测准确率高且小型模型成本低,可助力实时反馈并有望扩展到其他学科。
2025-04-11 cs.AI cs.CL
LLMs are Superior Feedback Providers: Bootstrapping Reasoning for Lie Detection with Self-Generated Feedback
Princeton University(普林斯顿大学)
提出一种利用LLM自生成反馈增强谎言检测推理能力的自举框架,通过建议、反馈收集和修改三阶段优化预测,在Diplomacy游戏中无需训练数据即提升lying-F1达39%,媲美监督学习。
2024-08-25 cs.AI cs.CL
AsgardBench -- Evaluating Visually Grounded Interactive Planning Under Minimal Feedback
Microsoft(微软)
AsgardBench旨在评估基于视觉的高阶动作序列生成和交互式规划,重点在于执行过程中基于视觉观察而非导航或低级操作的计划适应。通过限制代理输入为图像、动作历史和轻量级成功/失败信号,该基准测试强调条件分支和计划修复。
2026-03-18 cs.AI cs.CV cs.RO
Evaluating VLMs' Spatial Reasoning Over Robot Motion: A Step Towards Robot Planning with Motion Preferences
King’s College London(伦敦国王学院);University College London(伦敦大学学院)
本文评估了四种先进VLMs在机器人运动中的空间推理能力,探讨了运动偏好(如物体接近性和路径风格)的处理,并分析了准确率与计算成本的权衡。
2026-03-13 cs.AI cs.RO
Can LLM-Reasoning Models Replace Classical Planning? A Benchmark Study
Center for Vision, Automation & Control(视觉、自动化与控制中心);AIT Austrian Institute of Technology GmbH(奥地利技术研究院)
该研究系统评估了多种大语言模型的规划能力,对比经典规划器Fast Downward,发现其在简单任务表现尚可但复杂场景存在局限,为结合语言模型与经典规划器的后续研究提供了方向。
2025-07-31 cs.AI cs.RO
LLM-Assist: Enhancing Closed-Loop Planning with Language-Based Reasoning
UT Austin(德克萨斯大学奥斯汀分校);NEC Labs America(美国NEC实验室);UC San Diego(加利福尼亚大学圣迭戈分校)
提出一种结合规则规划器与LLM的混合自动驾驶规划方法,利用大模型常识推理处理复杂场景,在nuPlan基准上达到SOTA性能。
2023-12-30 cs.AI cs.CV
Language Models, Agent Models, and World Models: The LAW for Machine Reasoning and Planning
UCSD(加州大学圣地亚哥分校);JHU(约翰斯·霍普金斯大学)
本文提出 LAW 视角,将语言模型、智能体模型与世界模型结合,以语言模型为后端,增强机器在多场景中的稳健推理与规划能力。
2023-12-08 cs.AI cs.CL cs.CV