GRASP: Generating, Revising, and Assessing for Strategic Planning with Agentic AI

📄 arXiv: 2609.30147v1 📥 PDF

作者: Arunabh Srivastava, Mohammad A., Khojastepour, Srimat Chakradhar, Sennur Ulukus

分类: cs.AI, cs.CL, cs.LG, cs.MA

发布日期: 2026-09-24

备注: Accepted at the Second Workshop for Research on Agent Language Models (REALM) at EMNLP 2026

💡 一句话要点

提出GRASP框架以解决复杂任务规划问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 复杂任务规划 多阶段框架 策略意识 上下文隔离 自然语言处理 大规模语言模型 智能调度 机器人控制

📋 核心要点

  1. 现有的大规模语言模型在处理复杂任务时，可靠性显著下降，难以生成高质量的可执行计划。
  2. GRASP框架通过将规划流程分为多个专门模块，分别处理全局指导、局部策略探索和轨迹评估，从而提高规划质量。
  3. 实验结果显示，GRASP在多个数据集上均超越了现有的LLM规划器，特别是在多任务环境中表现出色，准确性提升显著。

📝 摘要（中文）

大规模语言模型（LLMs）在任务复杂性增加时通常表现出可靠性下降的问题。为了解决生成高质量自然语言可执行计划的挑战，本文提出了GRASP，一个具有策略意识的多阶段规划框架。GRASP通过专门的、上下文隔离的模块解耦规划流程：预编译全局宏观指导（GenPlan），在隔离的上下文窗口中探索替代的局部策略（RevPlan），并使用多标准鉴别器独立评估轨迹（VerPlan）。实证评估表明，GRASP在多个数据集上持续建立了新的最先进的前沿，相较于直接的LLM规划器，在自然计划日历调度、ZebraLogic和SciBench Math等任务上实现了显著的准确性提升。

🔬 方法详解

问题定义：本文旨在解决大规模语言模型在复杂任务规划中表现不佳的问题，尤其是在任务复杂性增加时，现有方法的可靠性和准确性显著下降。

核心思路：GRASP框架通过将规划过程分解为多个专门的模块，分别处理不同的任务阶段，从而提高整体规划的质量和可靠性。这样的设计使得每个模块可以专注于特定的任务，减少了复杂性带来的干扰。

技术框架：GRASP框架包括三个主要模块：GenPlan用于生成全局宏观指导，RevPlan用于在隔离的上下文中探索局部策略，VerPlan则负责独立评估生成的轨迹。这样的多阶段流程确保了每个阶段的输出都能为后续阶段提供支持。

关键创新：GRASP的主要创新在于其多阶段的规划框架和上下文隔离的策略探索，这与现有的单一模型方法有本质区别。通过这种设计，GRASP能够在多任务环境中有效降低性能衰退。

关键设计：在GRASP中，模块之间的严格宏观正则化和上下文隔离是关键设计元素。此外，使用多标准鉴别器来评估轨迹的有效性，确保了生成计划的高质量和准确性。具体的参数设置和损失函数设计在实验中经过优化，以实现最佳性能。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

GRASP在多个数据集上均取得了显著的性能提升，例如在自然计划日历调度任务中提高了约12.4%的准确性，在ZebraLogic任务中提高了约30.8%。在多任务环境中，GRASP的准确性提升幅度最高可达16.7%，并且在与前沿推理模型的比较中，GRASP的表现也优于GPT-5-mini，提升幅度达到14.5%。

🎯 应用场景

GRASP框架具有广泛的应用潜力，尤其在需要复杂任务规划的领域，如自动化调度、智能助手和机器人控制等。其高效的规划能力能够显著提升这些系统的智能水平和实用性，未来可能在更多实际场景中发挥重要作用。

📄 摘要（原文）

Large Language Models (LLMs) typically exhibit a performance profile where reliability degrades as task complexity increases. We address the challenge of generating high-quality natural language executable plans for complex tasks by introducing $\textbf{GRASP}$, a strategy-aware, multi-stage planning framework. GRASP decouples the planning pipeline across specialized, context-isolated modules: it pre-compiles global macro-guidelines (GenPlan), explores alternative localized strategies within isolated context windows (RevPlan), and independently evaluates trajectories using a multi-criteria discriminator (VerPlan). Empirical evaluations show that GRASP consistently establishes a new state-of-the-art frontier across diverse datasets, yielding substantial accuracy gains over direct LLM planners on Natural Plan Calendar Scheduling ($\sim$12.4$\%$$\uparrow$), ZebraLogic ($\sim$30.8$\%$$\uparrow$), and SciBench Math. Crucially, under multi-task scaling-where standard planners suffer immediate performance collapse-GRASP completely flattens the multi-task degradation penalty. In interleaved dual-task environments, GRASP achieves an absolute accuracy gain of up to 16.7$\%$ over direct LLM planners. Furthermore, by isolating context and enforcing strict macro-regularization, GRASP outperforms frontier reasoning models (such as GPT-5-mini) by a margin of 14.5$\%$.