论文页面 - SPIN：面向工业任务的基于迭代导航的结构化LLM规划

来源：https://huggingface.co/papers/2605.14051

摘要

SPIN是一个规划封装器，它结合了经过验证的DAG规划与基于前缀的执行控制，以减少任务执行次数并提升工业LLM智能体系统中规划的有效性。

工业LLM智能体系统（https://huggingface.co/papers?q=LLM%20agent%20systems）通常将规划与执行分离，但LLM规划器常常生成结构无效或过于冗长的工作流，导致脆弱的失败以及可避免的工具和API成本。我们提出SPIN，一个结合了经过验证的有向无环图（DAG，https://huggingface.co/papers?q=Directed%20Acyclic%20Graph）规划与基于前缀的执行控制的规划封装器。SPIN通过_validate_plan_text和修复提示（repair prompting，https://huggingface.co/papers?q=repair%20prompting）强制执行严格的DAG契约，在下游执行之前生成可执行的规划，然后增量式评估DAG前缀，在当前前缀足以回答查询时停止执行。在AssetOpsBench上，涵盖261个场景，SPIN将执行的任务从1061减少到623，将完成率（Accomplished）从0.638提升到0.706，同时每次运行的工具调用次数从11.81减少到6.82。在MCP Bench上，相同的封装器改进了GPT OSS1和Llama 4 Maverick的规划、基础以及依赖相关得分。

查看arXiv页面（https://arxiv.org/abs/2605.14051）查看PDF（https://arxiv.org/pdf/2605.14051）添加到集合（https://huggingface.co/login?next=%2Fpapers%2F2605.14051）

引用该论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2605.14051即可从本页面链接该论文。

引用该论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2605.14051即可从本页面链接该论文。

引用该论文的Spaces0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2605.14051即可从本页面链接该论文。

包含该论文的收藏集0

没有收藏集包含此论文

将该论文添加到收藏集（https://huggingface.co/new-collection）即可从本页面链接该论文。