本文研究了大型语言模型（LLMs）在常识规划任务中的能力，发现其自主规划能力有限，但在启发式模式下能改善其他智能计划器的搜索过程。研究提出了新的算法推理策略，探索了LLMs在复杂任务中的推理能力，并通过实验验证了其在扫雷等任务中的表现。结果显示，LLMs在多步骤逻辑推理中存在困难，强调了进一步研究的必要性。