Plan-and-Patch: un LLM de difusión repara los planes de los agentes el doble de veces que Qwen3-8B

El modelo de lenguaje de difusión DreamReasoner-8B logra reparar el plan de un agente el doble de veces que el autorregresivo Qwen3-8B: 53,7% frente a 27,0% en el benchmark Natural Plan, sin ajuste fino para la tarea. Es el resultado principal del preprint Plan-and-Patch, publicado en arXiv, que propone un esquema de planificación para agentes de largo horizonte. Tras un entrenamiento específico en ALFWorld y TextCraft, ambos modelos planifican con un éxito parecido, pero el de difusión entrega el plan entre un 39% y un 46% más rápido.

Cómo funciona Plan-and-Patch

El esquema pertenece a la familia plan-and-act. Primero, el planificador construye un plan estructurado, similar a un programa, y después el ejecutor sigue sus pasos. En escenarios largos, el plan rara vez sobrevive al contacto con la realidad: las suposiciones quedan obsoletas, una herramienta devuelve una respuesta inesperada o una acción falla. El agente necesita no solo planificar, sino también revisar el plan.

Lo habitual con un modelo autorregresivo es generar el plan de nuevo. Eso cuesta tiempo y es arriesgado: el modelo puede cambiar sin motivo pasos que estaban bien. Los autores proponen otra vía. Del plan se enmascara únicamente el tramo afectado, mientras que el comienzo (prefijo) y el final (sufijo) permanecen fijos. El modelo de difusión rellena el hueco apoyándose en ambos extremos. El plan inicial también lo construye mediante un desenmascarado paralelo, es decir, no token a token de izquierda a derecha.

Mi lectura es la siguiente: el contexto bidireccional es lo que mejor se adapta a la reparación. Corregir un paso intermedio depende tanto de lo que hubo antes como de lo que el plan debe lograr después. Un modelo autorregresivo tiene que mantener esa condición a través del prompt; en el de difusión, la condición está disponible directamente en el propio mecanismo de generación. Los autores apelan a este mecanismo, pero en el resumen no demuestran la relación causal.

Qué mostraron las mediciones

Se compararon dos modelos de la misma escala, con 8000 millones de parámetros cada uno: DreamReasoner-8B como planificador de difusión y Qwen3-8B como planificador autorregresivo. La prueba de reparación se realizó sin entrenamiento para la tarea concreta.

• Natural Plan, reparación de planes sin ajuste fino: 53,7% para el modelo de difusión frente a 27,0% para el autorregresivo, una diferencia de casi el doble.
• ALFWorld y TextCraft tras el ajuste fino: el éxito en la generación de planes es similar en ambos modelos.
• Latencia media de generación del plan: un 39–46% menor en el modelo de difusión.
• Unidad de edición: una región seleccionada del plan, con los pasos circundantes sin cambios.

El panorama es matizado, y eso juega a favor de su credibilidad. La difusión no mejora la calidad de los planes allí donde los modelos están entrenados para el benchmark: el éxito de generación se iguala. Su ventaja aparece en la reparación sin especialización y en la velocidad.

Limitaciones y práctica

Por ahora es un preprint sin revisión por pares, y todos los datos proceden de modelos de clase 8B y de entornos de texto. Del resumen no se desprende cómo se comportaría el esquema con modelos más grandes, con herramientas reales y con API ruidosas. Los benchmarks ALFWorld y TextCraft siguen siendo simulaciones, y en producción los fallos suelen ser menos ordenados.

Para quienes construyen agentes, el trabajo deja tres conclusiones. La primera: guardar el plan como una estructura con pasos estables, de modo que pueda repararse localmente y no solo recrearse. La segunda: evaluar la reparación por separado de la generación, porque modelos con el mismo éxito en el plan inicial pueden diferir mucho en el éxito de la corrección (aquí, 53,7% frente a 27,0%). La tercera: contar la latencia de cada replanificación. Un agente en un escenario largo replanifica muchas veces, y la ganancia del 39–46% en una sola llamada se acumula a lo largo de la tarea.

Si los resultados se confirman con otros modelos y entornos, los modelos de lenguaje de difusión ocuparán un nicho práctico: el de un planificador compacto que entrega rápido la estructura y la corrige de forma puntual, y deja el trabajo pesado con herramientas al ejecutor.