本文介绍了新型Transformer解码算法PG-TD，该算法结合规划算法以提升代码生成性能。研究表明，LLM + P框架能够有效解决计划问题，新代码搜索技术通过动态特征增强了大型语言模型的表现。实验验证了该方法在多种编程语言中的一致性和有效性，并探讨了大型语言模型在自动计划中的应用及其面临的挑战。

本文探讨了大型语言模型（LLM）在自动计划中的应用，提出了基于答案集编程（ASP）的框架，结合逻辑推理和经典人工智能规划，以提高自然语言处理任务的性能。研究表明，LLM与ASP结合能够生成可行且安全的计划，尤其在服务机器人和自动胰岛素输送系统中表现出色。