核心发现
方法论
该方法由两个核心模型组成：规划器（Planner）和执行器（Executor）。规划器基于大语言模型（如GPT-4）生成结构化的高层次计划，执行器将计划转化为环境中的具体操作。通过引入合成数据生成流程，利用轨迹反向工程和多样化样本扩充训练集，提升模型的泛化能力。训练过程中采用 grounded plan generation 和 synthetic plan expansion 技术，有效解决数据稀缺问题。模型在Web导航任务中实现了57.58%的成功率，优于现有SOTA。
关键结果
- 在WebArena-Lite基准上，成功率达57.58%，超越之前的50.2%，显示出强大的长远规划能力。
- 在WebVoyager文本任务中，成功率达到81.36%，显著优于未使用合成数据的模型（约70%），验证了合成数据增强的有效性。
- 通过消融实验，验证了动态重规划和链式推理（CoT）对性能提升的贡献，模型在复杂任务中的鲁棒性增强。
研究意义
该研究突破了大模型在长远、多步骤任务中的规划瓶颈，提出的“计划与行动”框架为复杂环境中的自主智能体提供了新思路。通过合成数据的引入，有效缓解了训练数据不足的问题，为未来自主系统在Web导航、设备控制等领域的应用奠定基础。这一方法不仅提升了模型的任务成功率，也增强了其适应动态环境的能力，具有重要的理论和实践价值。
技术贡献
创新点在于引入双模型架构（规划器与执行器）分工合作，结合合成数据生成流程，显著提升长远任务中的规划能力。提出 grounded plan generation 和 synthetic plan expansion 技术，解决了训练数据匮乏和计划生成不准确的问题。模型在动态重规划和链式推理方面实现了突破，提供了可扩展的训练策略和高效的推理机制，推动了长距离任务中的自主规划研究。
新颖性
首次系统性引入合成数据增强长远规划模型，结合 grounded plan generation 和 synthetic plan expansion，突破了传统单模型直接映射的局限。与以往依赖封闭模型或复杂多代理系统不同，该方法结构简洁、训练高效，显著提升了长距离任务中的成功率，具有较强的创新性。
局限性
- 模型在面对极端复杂或未见过的Web环境时仍存在失败风险，主要由于环境理解和计划泛化能力不足。
- 合成数据的质量和多样性依赖于预训练模型的能力，可能在特定场景下产生偏差或误导。
- 训练成本较高，尤其是在大规模合成数据生成和模型微调阶段，限制了其在资源有限环境中的应用。
未来方向
未来将探索多模态信息融合（如视觉、语音）以增强环境理解，提升模型的泛化能力。同时，计划引入强化学习机制优化决策策略，进一步提升长远任务中的自主性和鲁棒性。还将研究更高效的合成数据生成算法，降低训练成本，拓展到更多实际应用场景。
AI 总览摘要
在复杂的长远任务中，智能体的规划能力一直是制约其性能的关键瓶颈。传统方法多依赖单一模型，难以兼顾高层次策略和低层次执行，导致在多步骤、多环境任务中表现不佳。为此，本文提出“计划与行动（Plan-and-Act）”框架，结合双模型架构——规划器（Planner）和执行器（Executor），实现任务的分层处理。规划器负责生成结构化的高层次计划，指导执行器在环境中逐步落实。核心创新在于引入合成数据生成流程，通过轨迹反向工程和多样化样本扩充训练集，显著改善模型的泛化能力。该方法在Web导航任务中取得了57.58%的成功率，超越现有SOTA，验证了其有效性。实验结果显示，动态重规划和链式推理（CoT）进一步提升了模型的鲁棒性和适应性。该研究为自主智能体在复杂环境中的长远规划提供了新思路，具有重要的理论和应用价值。未来，结合多模态信息和强化学习，将推动该框架在更广泛场景中的应用，迈向更智能、更自主的未来。
深度分析
研究背景
近年来，大型语言模型（如GPT-4）在自然语言理解和生成方面取得突破，推动了智能代理的发展。早期工作如ReAct、WebGPT等结合推理与行动，实现了在简单任务中的良好表现。然而，面对长远、多步骤任务，模型在规划、记忆和环境适应方面仍存在瓶颈。尤其是在Web导航、设备控制等复杂场景中，单一模型难以兼顾策略制定与具体执行，导致任务失败率升高。近年来，分层规划、强化学习等技术被引入，但仍受限于数据稀缺、环境动态变化和模型泛化能力不足的问题。本文在此背景下，提出了结合合成数据增强的“计划与行动”框架，旨在突破长远任务中的瓶颈。
核心问题
长远、多步骤任务中的规划问题是AI研究中的核心难题。现有方法多依赖单一模型，难以同时兼顾高层次策略和低层次操作，导致任务执行不连续或偏离目标。环境的动态变化进一步加剧了这一问题，模型难以实时调整计划。缺乏高质量的训练数据也是制约因素，尤其是在复杂Web环境中，手工标注成本高昂且难以覆盖所有场景。如何设计一个既能高效规划，又能适应环境变化的系统，成为亟待解决的难题。
核心创新
本研究的创新主要体现在两个方面：一是引入双模型架构，将规划与执行职责分离，提升长远任务中的决策效率；二是开发合成数据生成流程，通过轨迹反向工程和多样化样本扩充，有效缓解数据匮乏问题。具体包括 grounded plan generation，利用轨迹分析生成结构化计划，以及 synthetic plan expansion，通过大规模样本扩充增强模型泛化能力。这些创新使模型在Web导航任务中实现了57.58%的成功率，优于传统方法。同时，模型支持动态重规划和链式推理，增强了应对环境变化的能力。
方法详解
- �� 设计双模型架构，包括规划器（基于GPT-4）和执行器（同样基于大模型）。
- �� 规划器接收用户请求，生成结构化的高层次计划，指导执行器操作。
- �� 执行器将计划转化为环境中的具体动作（如网页点击、输入等），并反馈环境状态。
- �� 引入grounded plan generation技术，利用轨迹反向工程，自动生成高质量的结构化计划。
- �� 采用合成数据扩充策略，通过随机采样和多样化样本生成大量训练数据。
- �� 利用ORM模型筛选成功轨迹，确保训练数据的质量。
- �� 支持动态重规划，每步执行后更新计划，适应环境变化。
- �� 引入链式推理（CoT）增强模型推理能力，提升复杂任务表现。
实验设计
在WebArena-Lite和WebVoyager两个公开基准上进行评估。采用成功率作为主要指标，比较不同模型和数据增强策略的效果。训练中使用大规模合成数据，调优模型参数，进行消融实验验证各技术贡献。通过与单模型、无合成数据、静态计划等对比，验证框架的有效性。还测试了动态重规划和链式推理对性能的提升。实验结果显示，模型在WebArena-Lite达57.58%的成功率，在WebVoyager文本任务中达81.36%，显著优于未增强模型。
结果分析
模型在WebArena-Lite上实现了57.58%的成功率，超越之前的50.2%，验证了合成数据和分层规划的有效性。在WebVoyager文本任务中，成功率达81.36%，优于未使用合成数据的模型（约70%）。消融实验表明，动态重规划和链式推理分别提升了成功率约5%和3%，增强了模型的鲁棒性和适应性。这些结果表明，所提出的方法在复杂长远任务中具有显著优势。
应用场景
该框架适用于Web自动化、智能助理、机器人控制等场景，特别适合需要多步骤决策和环境交互的任务。实现条件包括高质量的环境轨迹数据和模型微调能力。未来可结合多模态信息（如视觉、语音）扩展应用范围，推动自主系统在实际复杂环境中的部署。
局限与展望
模型在极端复杂或未见过的环境中仍存在失败风险，主要由于环境理解和泛化能力不足。合成数据的质量受预训练模型限制，可能引入偏差。训练成本较高，尤其在大规模数据生成和微调阶段，限制了其在资源有限环境中的应用。未来需优化数据生成效率和模型泛化能力，以应对更复杂的实际场景。
通俗解读 非专业人士也能看懂
想象你在厨房做饭。每次做菜都需要先想好步骤，比如洗菜、切菜、炒菜。这个过程很像给机器人规划任务：先制定一个详细的菜单（计划），然后逐步操作（执行）。但有时候，厨房里的情况会变，比如突然发现没有某种调料，原来的计划就得改。为了让机器人更聪明，我们教它不仅能制定菜谱，还能根据厨房的实际情况随时调整。我们还用模拟的厨房环境，生成各种可能的场景，让机器人学会应对不同的突发情况。这样，它就能在真实厨房中灵活应对各种挑战，做出美味佳肴。这个方法让机器人变得更聪明、更可靠，也更像一个会变通的厨师。
简单解释 像给14岁少年讲一样
想象你在玩一个超级复杂的游戏，比如冒险游戏。你需要先想好怎么完成任务，比如找到宝藏、打败怪兽，然后一步步行动。有时候，游戏中的情况会突然改变，比如怪兽突然出现或者通道被堵住，你得马上想办法调整策略。这就像让一个机器人学会自己规划路线和行动，但它之前从没遇到过这些突发情况。为了帮它变得更聪明，我们用模拟的游戏场景，创造各种不同的挑战，让它练习应对。我们还教它如何根据新情况调整计划，就像你在游戏中临场发挥一样。这样，机器人就能在真实世界的复杂任务中表现得更好，更像一个聪明的冒险者。
原文摘要
Large language models (LLMs) have shown remarkable advancements in enabling language agents to tackle simple tasks. However, applying them for complex, multi-step, long-horizon tasks remains a challenge. Recent work have found success by separating high-level planning from low-level execution, which enables the model to effectively balance high-level planning objectives and low-level execution details. However, generating accurate plans remains difficult since LLMs are not inherently trained for this task. To address this, we propose Plan-and-Act, a novel framework that incorporates explicit planning into LLM-based agents and introduces a scalable method to enhance plan generation through a novel synthetic data generation method. Plan-and-Act consists of a Planner model which generates structured, high-level plans to achieve user goals, and an Executor model that translates these plans into environment-specific actions. To train the Planner effectively, we introduce a synthetic data generation method that annotates ground-truth trajectories with feasible plans, augmented with diverse and extensive examples to enhance generalization. We evaluate Plan-and-Act using web navigation as a representative long-horizon planning environment, demonstrating a state-of-the-art 57.58% success rate on the WebArena-Lite benchmark as well as a text-only state-of-the-art 81.36% success rate on WebVoyager.