Plan-and-Patch: LLM de difusão repara planos de agentes com o dobro da frequência do Qwen3-8B

O modelo de linguagem de difusão DreamReasoner-8B consegue reparar o plano de um agente com o dobro da frequência do autorregressivo Qwen3-8B: 53,7% contra 27,0% no benchmark Natural Plan, sem ajuste fino para a tarefa. Esse é o principal resultado do preprint Plan-and-Patch, no arXiv, que propõe um esquema de planejamento para agentes de longo horizonte. Depois de um treinamento específico em ALFWorld e TextCraft, os dois modelos planejam com sucesso parecido, mas o de difusão entrega o plano 39–46% mais rápido.

Como funciona o Plan-and-Patch

O esquema pertence à classe plan-and-act. O planejador primeiro monta um plano estruturado, semelhante a um programa, e o executor segue seus passos. Em cenários longos, o plano raramente sobrevive ao contato com a realidade: premissas ficam desatualizadas, uma ferramenta devolve uma resposta inesperada, uma ação falha. O agente precisa saber não só planejar, mas também revisar o plano.

O caminho habitual para um modelo autorregressivo é gerar o plano de novo. Isso custa tempo e é arriscado: o modelo pode alterar, sem motivo, passos que estavam corretos. Os autores propõem outra abordagem. Apenas o trecho afetado do plano é mascarado, enquanto o começo (prefixo) e o fim (sufixo) permanecem fixos. O modelo de difusão preenche a lacuna com base nas duas extremidades. O plano original também é montado por remoção paralela de máscaras, ou seja, não token a token, da esquerda para a direita.

Minha leitura é a seguinte: o contexto bidirecional é o que melhor se encaixa no reparo. Corrigir um passo no meio do plano depende tanto do que veio antes quanto do ponto aonde o plano precisa chegar depois. O modelo autorregressivo tem de manter essa condição por meio do prompt; no de difusão, ela está disponível diretamente no mecanismo de geração. Os autores citam esse mecanismo, mas o resumo do artigo não demonstra a relação de causa e efeito.

O que as medições mostraram

Foram comparados dois modelos de mesma escala, com 8 bilhões de parâmetros cada: o DreamReasoner-8B como planejador de difusão e o Qwen3-8B como autorregressivo. O teste de reparo foi feito sem treinamento para a tarefa específica.

• Natural Plan, reparo de plano sem ajuste fino: 53,7% no modelo de difusão contra 27,0% no autorregressivo, uma diferença de quase duas vezes.
• ALFWorld e TextCraft após ajuste fino: o sucesso na geração de planos é próximo nos dois modelos.
• Latência média de geração do plano: 39–46% menor no modelo de difusão.
• Unidade de edição: a região escolhida do plano, com os passos ao redor inalterados.

O quadro é ambíguo, e isso conta a favor da credibilidade. A difusão não melhora a qualidade dos planos onde os modelos foram treinados para o benchmark: o sucesso de geração se iguala. A vantagem aparece no reparo sem especialização e na velocidade.

Limitações e uso prático

Por enquanto, é um preprint sem revisão por pares, e todos os dados vêm de modelos da classe 8B e de ambientes textuais. O resumo não deixa claro como o esquema se comporta em modelos maiores, com ferramentas reais e em APIs instáveis. Os benchmarks ALFWorld e TextCraft continuam sendo simulações, e em produção as falhas costumam ser menos bem-comportadas.

Para quem constrói agentes, o trabalho traz três conclusões. Primeira: armazenar o plano como uma estrutura de passos estáveis, para que possa ser reparado localmente e não apenas recriado. Segunda: avaliar o reparo separadamente da geração, porque modelos com o mesmo sucesso no plano inicial podem diferir muito no sucesso da correção (aqui, 53,7% contra 27,0%). Terceira: contabilizar a latência a cada replanejamento. Um agente em um cenário longo replaneja muitas vezes, e o ganho de 39–46% em uma única chamada se acumula ao longo da execução da tarefa.

Se os resultados se confirmarem em outros modelos e ambientes, os modelos de linguagem de difusão ganharão um nicho prático: o de planejador compacto, que entrega rapidamente a estrutura e a corrige de forma pontual, deixando o trabalho pesado com as ferramentas para o executor.