Semantic Kernel中的规划器负责任务分解和执行，通过AI分析用户意图生成步骤序列。主要有三种类型：Action Planner适用于简单任务，Sequential Planner处理线性步骤，Handlebars Planner支持复杂逻辑。这些工具帮助开发者构建自动化流程，提高企业系统的效率和灵活性。

“神经-符号”融合规划器通过模仿人类运动学习的反馈机制，显著提高了规划的效率和准确性。该系统结合了神经和符号规划的优点，建立了双向闭环反馈机制，优化了错误检测与纠正，表现优于OpenAI o1，适合科学研究。

本文研究了自动驾驶规划器在复杂交通环境中的表现，提出了一种新的生成感知误差模型EMPERROR，能够更准确地模拟目标检测器的噪声特征。该模型显著提高了模仿学习规划器的碰撞率，强调了其在自动驾驶系统评估中的重要性。

自从微软开源Semantic-kernel以来，他们一直在改进它，并发布了新指南和5篇文章介绍其功能。开发人员可以使用Semantic-kernel创建自然语言提示、生成响应、提取信息等。微软发布了一篇关于规划器改进的文章，介绍了嵌入集成到规划器技能中的调整。另一篇文章展示了嵌入如何帮助开发人员在GitHub存储库中提出问题或进行查询。微软还发布了一篇关于如何在Azure上部署Semantic-kernel的文章。GitHub仓库的star数量迅速增长，目前已经有3717个star，并且正在添加对其他LLM模型的支持。