본 논문은 대규모 언어 모델(LLM) 기반 에이전트의 상호 작용적 계획 수행 능력 향상을 위한 메타 계획 최적화(MPO) 프레임워크를 제안한다. 기존 방법들이 계획 환각 문제와 새로운 에이전트마다 재훈련이 필요한 문제점을 갖는 것과 달리, MPO는 메타 계획을 통해 명시적인 지침을 직접 통합하여 에이전트의 계획 능력을 향상시킨다. 복잡한 지식에 의존하는 기존 방법들과 달리, MPO는 고수준의 일반적인 지침을 활용하며, 에이전트의 작업 실행 피드백을 기반으로 메타 계획을 지속적으로 최적화한다. 두 가지 대표적인 작업에 대한 실험 결과, MPO는 기존 기준 모델보다 성능이 크게 향상되었으며, 새로운 시나리오에서도 작업 완료 효율성과 일반화 능력을 향상시키는 플러그 앤 플레이 솔루션을 제공함을 보여준다.
