본 논문은 대규모 언어 모델(LLM)을 활용하여 휴리스틱을 자동으로 최적화하는 새로운 방법인 "휴리스틱 계획(PoH)"을 제안합니다. PoH는 LLM의 자기 반성 능력과 잘 알려진 계획 알고리즘인 몬테카를로 트리 탐색(MCTS)을 통합합니다. PoH는 휴리스틱의 성능을 평가하고 개선 제안을 제공함으로써 반복적으로 휴리스틱을 개선합니다. 여기서, LLM은 휴리스틱을 생성하고, MCTS는 생성된 휴리스틱을 평가하고 개선 방향을 제시하는 역할을 합니다. 논문에서는 여행 판매원 문제(TSP)와 흐름 작업 스케줄링 문제(FSSP)에 PoH를 적용하여 실험을 진행하였습니다.