pddl

本文评估了开放权重大型语言模型在AI规划中PDDL领域修复的能力，表明它们优于符号基线，但在可靠测试约束满足方面存在困难。

本文提出了一种用于异构多轨距铁路系统中动态路线优化和干扰管理的时间规划框架。该框架将铁路运营形式化为使用PDDL 2.1的时间规划问题，生成无冲突的时间戳运营计划，并减少对人工决策的依赖，在最多包含1000个轨道点和120列火车的基准问题上进行了评估。

本文提出属性引导的LLM程序综合方法，利用反例引导归纳综合（CEGIS）在候选程序违反形式化属性时提供具体反馈，从而减少生成次数和评估成本。应用于PDDL规划领域以综合直接启发式函数，该方法优于先前方法，生成的程序数量减少七倍，且无需搜索即可解决更多任务。

本文首次系统性地对前沿大语言模型在经典PDDL规划基准上的零样本目标识别能力进行评估，发现部分模型能随证据积累而扩展性能，而另一些模型则始终依赖世界知识先验，不受观测累积影响。

本文介绍了一种神经网络架构，该架构从完全观测到的状态轨迹中学习提升动作模式，其中动作参数未观测，旨在实现神经符号模型规划域的鲁棒学习。