DalšíDalší průvodce
Zmocněnci plánovače-exekutora
Aplikace
PRŮVODCE aplikacemi
ReAct je vzor pro zadávání příkazů jazykovým modelům, který střídá stopy uvažování s akcemi a pozorováními z externího nástroje nebo prostředí.
Poslechněte si tento návodAI-vyprávěný · ~1 min
The original paper evaluates it on knowledge-intensive question answering and interactive decision-making tasks.
The ReAct paper prompts language models to interleave reasoning traces and task-specific actions, using observations from an external environment to update plans. It evaluates HotpotQA and FEVER with a Wikipedia API and interactive decision benchmarks including ALFWorld and WebShop. The authors report a 34-point absolute success-rate improvement on ALFWorld and 10 points on WebShop over the baselines used in their experiments. These findings are specific to the tested tasks and prompts.
Representing a trajectory as Thought, Action, Observation and a final answer.
Using the paper’s Wikipedia API to retrieve evidence for HotpotQA and FEVER questions.
Updating a plan after an environment returns an observation.
Comparing the original paper’s ReAct results with reasoning-only and acting-only baselines in its tested tasks.
Evaluate ReAct-style loops on the specific environment, tool reliability and task distribution. Include access limits, error handling and stopping conditions; the paper’s benchmark results do not guarantee safety or accuracy in unrelated deployments.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
ReAct is a language-model prompting pattern that interleaves reasoning traces with actions and observations from an external tool or environment. The original paper evaluates it on knowledge-intensive question answering and interactive decision-making tasks.
ReAct znamená uvažování a jednání; prokládá myšlenkové uvažování s konkrétními akcemi, jako je volání nástrojů.
Smyčka ReAct prochází myšlenkou (plán), akcí (volání nástroje) a pozorováním (výsledek), přičemž se opakuje, dokud není hotovo.
Pozorování je zpětná vazba, kterou systém vrátí po spuštění vybrané akce modelu, kterou model následně zdůvodní.
Proložením uvažování se skutečnými pozorováními z nástrojů může model ověřovat fakta a korigovat kurz spíše než vymýšlet odpovědi.
The original ReAct paper reports an absolute success-rate improvement of 34 points over imitation and reinforcement-learning baselines on ALFWorld, with a separate 10-point result on WebShop; this is scoped to its experiments.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Zmocněnci plánovače-exekutora
Aplikace