ReCAP은 LLM(대규모 언어 모델)에서 다단계 추론과 동적 재계획을 요구하는 장기적인 작업을 해결하기 위한 계층적 프레임워크입니다. 이 프레임워크는 (i) 모델이 전체 하위 작업 목록을 생성하고 첫 번째 항목을 실행한 후 나머지를 개선하는 계획 앞선 분해, (ii) 재귀 반환 시 일관된 다단계 컨텍스트를 유지하는 상위 계획의 구조화된 재주입, (iii) 작업 깊이에 따라 비용이 선형적으로 확장되도록 하는 메모리 효율적인 실행 등 세 가지 주요 메커니즘을 결합합니다. ReCAP은 로봇테일(Robotouille)과 같은 장기적인 추론 벤치마크에서 하위 목표 정렬과 성공률을 크게 향상시킵니다.
