본 논문은 대규모 언어 모델(LLM)을 활용하여 다양한 계획 문제를 해결하는 일반 목적 프레임워크인 LLMFP를 제안합니다. 기존의 LLM 기반 계획 방법들이 복잡한 문제나 특정 작업에 대한 사전 준비가 필요하다는 한계를 극복하기 위해, LLMFP는 계획 문제를 제약 조건이 있는 최적화 문제로 공식화하여 해결합니다. LLM의 상식, 추론 및 프로그래밍 능력을 활용하여 작업별 예시 없이 문제를 해결하며, GPT-4 및 Claude 3.5를 사용한 9가지 계획 문제 실험에서 평균 83.7% 및 86.8%의 최적 해결률을 달성, 기존 방법 대비 상당한 성능 향상을 보였습니다. 실험 결과와 ablation study를 통해 LLMFP의 구성 요소 및 성공/실패 원인을 분석했습니다.