摘要
针对现有 LLM 程序合成依赖简单数值评分导致效率低下的问题，本文提出属性引导的合成方法。该方法通过形式化属性验证候选程序，并在违反时提供具体反例作为反馈，从而指导 LLM 生成更优程序。在 PDDL 规划域中，该方法用于合成直接启发式函数，显著减少了生成数量和评估成本，无需搜索即可解决更多任务，大幅提升了规划效率与程序质量。
AI 推荐理由
论文核心研究利用属性引导的 LLM 程序合成来生成规划启发式函数，直接解决规划问题。
研究机构
Federal University of Rio Grande do Sul, Brazil
University of Oxford, United Kingdom
Linköping University, Sweden
论文信息