本文考察了七个 STRIPS 领域的经典规划任务，所有实例均具有 BFS 最优计划长度。研究重点在于区分结构难度（即搜索空间的规模）与语义可解释性（即符号词汇的可读性）。
在不求解具体实例的情况下，零训练的删除松弛启发式 $h_{\mathrm{add}}$ 对结构难度的预测显著优于多种学习方法，Spearman 相关系数 $|\rho|$ 均值为 0.931。对比的学习基线包括岭回归 ($0.707$)、基于对象计数的特征 ($0.657$) 和基于情景检索的 ARC 架构 ($0.400$)。即使在相同特征下，ARC 也未能超越线性模型的表现。
为剥离语义因素，实验逐步对谓词进行重命名，同时保持状态、转移和最优计划不变。随着重命名比例从 0% 增至 100%，LLM 的有效规划成功率从 67.5% 降至 40.0%，而拒绝（refusal）率始终保持在 0%。当向 LLM 提供 ARC 的条件信息时，其对难度的上下文预测能力超过了训练后的 ARC，平均 $|\rho|=0.826$。
在混合路由（LLM 与符号规划器协同）实验中，系统性能更依赖于对目标 LLM 输出的校准，而非所选结构评分的优劣。结论是，已有的符号启发式已经能够很好地估计结构难度；要提升混合规划的效果，需要构建能够捕捉谓词语义影响的 LLM 行为模型，而不是单纯开发更好的结构预测器。
点评：本文通过系统实验表明，结构启发式在预测规划难度上已相当成熟，未来的突破点在于让 LLM 更好地理解和利用符号语义，以实现更可靠的混合规划。