計画タスクには、量的制約と質的目標の両方が含まれることが多く、大規模言語モデル（LLM）は質的側面を扱うのに適しているが、量的物流制約に苦労する。 これを克服するために、LLMを使用して初期計画を提案し、次にLLMと実際の要素（移動時間、営業時間など）との類似性を最適化するハイブリッドシステムが開発された。 システムは、ユーザーのクエリを受け取り、それをLLMに渡し、実現可能性の問題に対処するコンポーネントを追加する。 これには、イタリア語を実際のデータで根拠づけし、代替アクティビティを取得することが含まれる。 最適化アルゴリズムには、各日の最適なスケジューリングを決定し、次に合計スコアを最大化する全体的なイタリア語を検索する、2つの段階がある。 アルゴリズムは、初期のイタリア語にローカルな調整を行い、合計スコアを高め、最終的なイタリア語を生成する。 システムは、ニューヨーク市の知られていない美術館を訪れる旅行を計画するなどのクエリでテストされ、単に検索によって取得されたアクティビティだけに頼るよりも、より適切なイタリア語を生成することができた。 システムは、LLMが提案した初期イタリア語の問題（アクティビティを自然な方法でスケジューリングするなど）も修正した。 この研究は、イベントの組織化や用事のスケジューリングなどの他の日常タスクにも影響を与え、LLMが実世界の制約をナビゲートできるシステムを開発するためのより大きな取り組みの一部である。 システムは、複数の個人と共同で開発され、他の多くの人々から有益な指導を受けた。