في عالم الذكاء الاصطناعي، بات التخطيط الذكي أحد النقاط الرئيسية التي تعزز قدرات الأجهزة الذكية لمواجهة تحديات المهام طويلة الأمد. قدم الباحثون نموذجًا مبتكرًا يُعرف باسم "Plan-and-Patch"، وهو إطار عمل يجمع بين التخطيط والتنفيذ الذكي بصورة أكثر كفاءة.

تعتمد فكرة هذا النموذج على استخدام نموذج لغة الانتشار (Diffusion Language Model) لتوليد خطط منظمة تشبه البرامج، مما يعزز من القدرة على مساعدة الوكلاء (agents) في اتخاذ القرارات المعقدة. ومع ذلك، تظل التحديات قائمة، فمن الممكن أن تتعرض افتراضات التخطيط للتحدي من قبل البيئة المحيطة، أو قد تُفاجئ الأدوات بالنتائج غير المتوقعة. لهذا يحتاج الوكلاء إلى القدرة على تعديل خططهم بشكل تتراعي فيه الثوابت المحيطة.

من خلال إجراء مقارنة بين نموذج "DreamReasoner-8B" ونموذج "Qwen3-8B"، أظهرت النتائج تفوق النسخة الخاصة بنموذج لغة الانتشار في إصلاح الخطط، حيث وصلت نسبة النجاح إلى 53.7% مقارنة بـ 27.0% لنموذج التخطيط (Autoregressive Planners). كما حققت النسخ المخصصة تحسينًا في زمن توليد الخطط بما يتراوح بين 39-46%، مما يمثل إنجازًا كبيرًا في هذا المجال.

بهذه الطريقة، يوفر نموذج "Plan-and-Patch" إطار عمل فعّال يعزز من سرعة وفعالية إنتاج الخطط، مما يجعلها مثالية للأجهزة ذات المهام طويلة المدى.