层次任务知识能够通过复用已有技能提升问题求解效率。本文在 HTN（层次任务网络）学习框架下，研究了课程引导的知识获取方式。我们比较了三种策略：在求解过程中实时学习、人为设计的课程以及一种自动生成课程的流程，该流程利用经过验证的 LLM 生成的解答轨迹。
自动课程生成的核心步骤包括：使用 LLM 求解若干小规模训练问题、提取任务完成信息、并将其转化为有序的状态‑任务学习问题序列，以供 HTN 方法的获取使用。
我们在多个规划域上对三种策略进行评估。实验表明，自动生成的课程能够恢复大部分专家设计课程的收益，同时显著降低了在线层次知识获取的 token 成本。
点评