장기 계획(long-horizon planning)에서 LLM이 실행 불가능하거나 잘못된 해를 내놓는 문제를 겨냥해, 심볼릭 피드백 기반 반복 자기개선 프레임워크를 제안한 논문이다. 논리 기호를 자연어 서술로 변환하는 프롬프팅 메커니즘으로 LLM이 과제 제약과 의미를 더 잘 포착하게 하고, 심볼릭 검증기가 오류를 찾아 LLM이 해석 가능한 교정 지시로 변환해 자기개선을 유도한다. 여기에 플랜 인식기(plan recognizer)가 목표 도달 가능성을 추론해 원하는 목표로의 유도를 돕는다. 실험 결과 장기 계획 과제에서 실행 가능성과 정확성이 일관되게 향상됐다. 심볼릭 검증과 LLM 유연성을 결합해 계획의 신뢰성을 높이는 뉴로-심볼릭 접근의 실용성을 보여준다.

• •논리 기호를 자연어 설명으로 매핑하는 프롬프팅으로 LLM의 과제 제약 이해 개선
• •심볼릭 검증기가 오류를 식별해 LLM이 해석 가능한 교정 지시로 변환, 반복 자기개선 유도
• •플랜 인식기가 목표 도달 가능성을 추론해 목표 지향 유도 강화
• •장기 계획 과제에서 실행 가능성(feasibility)과 정확성 모두 일관되게 향상
• •LLM 배포의 견고성·신뢰성 보안 이슈를 계획 영역에서 다룬 뉴로-심볼릭 접근