이 논문은 최전선 LLM을 목표 인식 과제에 대해 처음으로 체계적으로 제로샷 평가한 연구로, 고전적 PDDL 벤치마크에서 평가를 수행했다. 목표 인식은 새로운 행동 시퀀스 생성 대신 세계 지식과의 일관성을 평가하는 귀납적 작업으로 LLM의 강점과 잘 맞는다. 일부 모델은 증거에 따라 스케일링되어 전체 관찰 시 랜드마크 기반 정확도에 근접하지만, 다른 모델은 얼마나 많은 증거가 쌓여도 세계 지식 사전에 고착된다. 이러한 차이는 도메인 친숙도가 아니라 증거 통합 방식의 근본적인 차이에서 비롯됨을 모델 추론 흔적 분석으로 밝혔다.

• •LLM의 목표 인식은 새로운 행동 시퀀스 생성보다 세계 지식과의 일관성 평가에 더 적합한 궀납적 과제다.
• •일부 모델은 증거에 따라 스케일링되어 랜드마크 기반 정확도에 근접하지만, 다른 모델은 증거와 무관하게 세계 지식 사전에 고착된다.
• •이 차이는 도메인 친술도가 아닌 증거 통합 방식의 근본적 차이를 반영한다.
• •목표 인식은 LLM의 기초 계획 지식에 대한 원칙적 벤치마크로 활용될 수 있다.