面向规划域生成的模型空间推理：反馈空间中的搜索

即便有了大语言模型与推理模型的出现，从自然语言描述生成规划域仍然是一个开放问题。近期工作表明，虽然LLM有能力辅助域生成，但它们距离产出可在实践中部署的高质量域还很遥远。为此，我们研究一个智能体式语言模型反馈框架从自然语言描述生成规划域的能力，这些描述已被增广了最少量的符号信息。特别地，我们在多种符号反馈形式下评估生成域的质量，包括地标（landmarks）以及VAL规划验证器的输出。利用这些反馈机制，我们实验性地在模型空间上运用启发式搜索来优化域质量。