본 논문은 군사 작전, 물류 창고 관리 등 실시간 재계획이 요구되는 상황에서의 의사결정 문제를 다룬다. 기존의 정수 계획법은 속도가 느리고 불확실성을 고려하지 못하는 한계가 있으며, 대규모 언어 모델(LLM)은 불확실성을 처리하고 속도 향상을 제공하지만 오류 가능성이 존재한다. 본 논문에서는 자연어 대화의 접근성과 목표 해석에 대한 검증 가능한 보장을 결합한 신경 기호 프레임워크를 제시한다. 사용자 요청을 구조화된 계획 사양으로 변환하고, 불확실성을 정량화하며, 신뢰도가 임계값 아래로 떨어지면 상호 작용적 명확화 루프를 실행한다. 100개의 불확실성 필터링된 예시로 미세 조정된 경량 모델은 GPT-4.1의 제로샷 성능을 능가하면서 추론 지연 시간을 거의 50% 단축시킨다. 이는 복잡한 물류에 대한 인증 가능하고, 실시간이며, 사용자 중심적인 의사 결정을 위한 실용적인 방안을 제시한다.
