M-Plan: Как LLM-агенты решают проблему длинных задач через память

Проблема длинных горизонтов

Одиночные LLM-агенты часто терпят неудачу в задачах, требующих длительного планирования (long-horizon tasks), особенно в средах без предварительного обучения. Основная причина — неспособность модели эффективно обрабатывать длинные контексты и поддерживать непрерывное принятие решений. Существующие многоагентные системы (MAS) с долговременной памятью обычно полагаются на простое извлечение или суммаризацию знаний, что приводит к засорению контекста историческим шумом и отсутствию адаптации к текущей задаче.

Архитектура M-Plan: Глобально-локальное руководство

Новая архитектура M-Plan предлагает замкнутый цикл (closed-loop), объединяющий краткосрочную и долговременную память. Ключевая инновация — механизм «глобально-локального» и «прошло-текущего» руководства. Агенты получают целевые ориентиры (milestones) и инсайты. Локальные подсказки подаются только в моменты путаницы, что формирует краткосрочную память. После завершения задачи релевантная информация оптимизируется и реорганизуются перед записью в долговременное хранилище, исключая шум.

Результаты бенчмарков

Эксперименты проводились на трех ключевых платформах: ALFWorld (взаимодействие с объектами), Webshop (веб-навигация) и PDDL (планирование действий). M-Plan продемонстрировала превосходство над базовыми методами как по точности, так и по эффективности. Система сохраняет архитектуру «plug-and-play», что позволяет интегрировать её с различными базовыми моделями без глубокой перенастройки.

Значение для индустрии

Работа авторов (Ziyang Liu, Jiakang Yuan, Jiayuan Fan, Tao Chen) закрывает критический пробел в разработке автономных агентов. Переход от простого хранения данных к их осмысленной реорганизации перед сохранением позволяет создавать более надежные системы для сложных бизнес-процессов, где требуется долгая цепочка рассуждений.

Источник: arXiv cs.AI ↗