深度分析 結合 LLM 與 ASP 的 CLMASP 框架提升機器人任務執行率至 90% 研究針對大型語言模型在開放環境任務規劃執行率低的問題，提出將 LLM 產生的骨架計畫交給答案集程式設計 (ASP) 精煉，結合向量資料庫自動校正。該方法以 LLM 產生的骨架為上層，ASP 求解具體動作與約束為下層，實現跨領域知識自動落地。實驗於 VirtualHome 平台顯示可執行率從不足 2% 提升至超過 90%，預示此技術將加速 AI 在智慧家庭與工業自動化的落地。
