论文总结与翻译：《Inspire or Predict? Exploring New Paradigms in Assisting Classical Planners with Large Language Models》一、论文主要内容本文聚焦大规模经典规划问题中“状态空间爆炸”的核心挑战，提出一种结合问题分解与大语言模型（LLMs）的新型辅助规划框架，旨在提升规划效率与成功率。1. 研究背景传统经典规划方法（如启发式搜索、图规划）在处理大规模问题时，因对象与动作数量增加导致状态空间呈指数级增长，难以在可接受时间内生成高质量方案；现有LLM辅助规划研究多依赖通用知识，缺乏领域特定知识整合，无法保证规划有效性。2. 核心方法问题分解模块：通过构建有向无环依赖图（DADGs），将原始大规模规划问题拆解为有序子任务。基于子目标间的时序依赖（如Blocks领域中“先堆叠下层方块才能堆叠上层方块”），通过拓扑排序确定子任务执行顺序，降低单步规划复杂度。两种LLM辅助范式LLM4Inspire（动作导向启发）：将LLM作为启发式