本文提出了一种新型系统，利用语言模型进行多步逻辑推理，并结合显式计划以提高推理决策的准确性。实验结果显示，该系统在多项选择题任务中表现优异，显式计划对性能至关重要。此外，研究探讨了将自然语言指令转化为可行行动序列的方式，并评估了大型语言模型在规划任务中的能力，发现其成功率有限。未来希望能更好地融合语言模型与形式规划的优点。

介绍了一个使用语言模型进行多步逻辑推理的新系统，该系统将显式计划纳入推理过程中，能够在每一步上做出更明智的推理决策。实验结果显示，该系统在多项选择题回答任务中表现优于其他竞争系统，与GPT-3-davinci相当。削减研究证明显式计划对系统性能起重要作用。