Ny metod låter AI-agenter laga sina egna planer istället för att börja om från scratch

arXiv cs.AI

Forskare presenterar 'Plan-and-Patch', ett ramverk där en diffusionsbaserad språkmodell (en modell som genererar text parallellt istället för ord-för-ord) kan reparera delar av en plan utan att kasta bort hela strukturen. Resultaten är tydliga: diffusionsmodellen DreamReasoner-8B lyckas laga felaktiga planer i 53,7% av fallen, jämfört med 27% för den traditionella autogressiva modellen Qwen3-8B. Som bonus är diffusionsmodellen 39–46% snabbare på att generera planer – vilket börjar bli relevant när AI-agenter ska hantera långa, flerstegsuppgifter i verkliga miljöer.