3,583 papers
arXiv:2607.07604 70 8 июля 2026 г. PRO

Closed-Loop Planning: итеративное планирование с обратной связью на уровне эксперта

КЛЮЧЕВАЯ СУТЬ
Исследователи Johns Hopkins посадили LLM и PhD-химиков за одну задачу: спланировать реальный химический синтез. Счёт по известным задачам — 75% у модели против 83% у эксперта. По новым задачам без готового ответа — 22% у модели против 17% у эксперта. Это не поражение, это ничья. Метод замкнутого цикла (closed-loop planning) позволяет использовать LLM как живого советника для любых итеративных задач — не разовый ответ, а пересмотр плана на основе реальных результатов. Модель получает описание того, что сработало и что провалилось, и переписывает план с учётом реальных данных — не начинает с нуля, а строит следующий шаг на предыдущем опыте. Каждая итерация умнее предыдущей.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с