PACE：自适应预算分配，实现高效的具体规划

推理增强型 大语言模型 在规划任务方面取得了显着的改进，但由于推理延迟过高（每个规划实例通常超过分钟），它们在具体系统中的部署仍然不切实际。根本瓶颈源于现有范式的串行性质：模型必须在执行任何操作之前完成所有推理，从而使执行时间窗口完全未被利用。我们引入了 PACE（自适应认知工作规划），这是一个通过两项关键创新实现交错式推理和执行的框架：将认知处理与行动执行进行管道化的交错式 Think-Act 架构，以及使推理 词元预算 适应可用执行时间窗口的动态预算分配器。在使用 Qwen3-8B-AWQ 的 Robotouille 基准测试中，PACE 实现了 10% 的成功率，比 ReAct+Think 基准提高了 67%，同时与无约束推理相比，思考时间加快了 6.9 倍。该框架将 66.8% 的思考时间隐藏在执行窗口内，表明战略认知工作分配可以同时提高计划质量和时间效率。这些结果证明，时间感知架构创新使推理模型能够在延迟敏感的具体领域中运行，而这在以前是不切实际的。