āļ„āļđāđˆāļĄāļ·āļ­āđāļ­āļ›āļžāļĨāļīāđ€āļ„āļŠāļąāļ™

āļĢāļđāļ›āđāļšāļšāļ•āļąāļ§āđāļ—āļ™ ReAct

ReAct āļ„āļ·āļ­āļĢāļđāļ›āđāļšāļšāļāļēāļĢāđāļˆāđ‰āļ‡āđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ āļēāļĐāļēāļ—āļĩāđˆāđāļ—āļĢāļāđāļ‹āļ‡āļāļēāļĢāļ•āļīāļ”āļ•āļēāļĄāļāļēāļĢāđƒāļŦāđ‰āđ€āļŦāļ•āļļāļœāļĨāļ”āđ‰āļ§āļĒāļāļēāļĢāļāļĢāļ°āļ—āļģāđāļĨāļ°āļāļēāļĢāļŠāļąāļ‡āđ€āļāļ•āļˆāļēāļāđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĄāļ·āļ­āļŦāļĢāļ·āļ­āļŠāļ āļēāļžāđāļ§āļ”āļĨāđ‰āļ­āļĄāļ āļēāļĒāļ™āļ­āļ

āļŸāļąāļ‡āļ„āļģāđāļ™āļ°āļ™āļģāļ™āļĩāđ‰āļšāļĢāļĢāļĒāļēāļĒāđ‚āļ”āļĒ AI · ~1 min

āļšāļ™āļŦāļ™āđ‰āļēāļ™āļĩāđ‰āļ­āđˆāļēāļ™ 1 āļ™āļēāļ—āļĩ
  1. āļ āļēāļžāļĢāļ§āļĄ
  2. āđ€āļˆāļēāļ°āļĨāļķāļ
  3. āļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™āļˆāļĢāļīāļ‡āđƒāļ™āđ‚āļĨāļāđāļŦāđˆāļ‡āļ„āļ§āļēāļĄāđ€āļ›āđ‡āļ™āļˆāļĢāļīāļ‡
  4. āļ­āļ™āļēāļ„āļ•āļ‚āļ­āļ‡āļĢāļđāļ›āđāļšāļšāļ•āļąāļ§āđāļ—āļ™ ReAct
  5. āļāļēāļĢāļ™āļģāđ„āļ›āļ›āļāļīāļšāļąāļ•āļī
  6. āļŠāļģāļĢāļ§āļˆāļ•āđˆāļ­āđ„āļ›
  7. āļ„āļģāļ–āļēāļĄāļ—āļĩāđˆāļžāļšāļšāđˆāļ­āļĒ

āļ āļēāļžāļĢāļ§āļĄ

The original paper evaluates it on knowledge-intensive question answering and interactive decision-making tasks.

āđ€āļˆāļēāļ°āļĨāļķāļ

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.

āļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™āļˆāļĢāļīāļ‡āđƒāļ™āđ‚āļĨāļāđāļŦāđˆāļ‡āļ„āļ§āļēāļĄāđ€āļ›āđ‡āļ™āļˆāļĢāļīāļ‡

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.

āļ­āļ™āļēāļ„āļ•āļ‚āļ­āļ‡āļĢāļđāļ›āđāļšāļšāļ•āļąāļ§āđāļ—āļ™ ReAct

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.

āļāļēāļĢāļ™āļģāđ„āļ›āļ›āļāļīāļšāļąāļ•āļī

āļ—āļģāđ„āļĄāļĄāļąāļ™āļ–āļķāļ‡āļŠāļģāļ„āļąāļ

  • āļŠāļĢāđ‰āļēāļ‡āļ—āļēāļ‡āđ€āļĨāļ·āļ­āļ. āļāļēāļĢāļ­āļ­āļāđāļšāļšāļĢāļ°āļ”āļąāļšāđāļ­āļ›āļžāļĨāļīāđ€āļ„āļŠāļąāļ™āļˆāļ°āļāļģāļŦāļ™āļ”āļ§āđˆāļē AI āļˆāļ°āļ›āļĢāļąāļšāļ›āļĢāļļāļ‡āļœāļĨāļĨāļąāļžāļ˜āđŒāļ—āļĩāđˆāđāļ—āđ‰āļˆāļĢāļīāļ‡āļŦāļĢāļ·āļ­āđ„āļĄāđˆ
  • āļ—āļĩāļĄāļ‡āļēāļ™āđāļĨāļ°āļ‚āļąāđ‰āļ™āļ•āļ­āļ™āļāļēāļĢāļ—āļģāļ‡āļēāļ™. āļāļēāļĢāļšāļđāļĢāļ“āļēāļāļēāļĢāļ‚āļąāđ‰āļ™āļ•āļ­āļ™āļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ—āļĩāđˆāļ”āļĩāļˆāļ°āļŠāđˆāļ§āļĒāđ€āļžāļīāđˆāļĄāļœāļĨāļœāļĨāļīāļ•āļ—āļĩāđˆāļœāļđāđ‰āđƒāļŠāđ‰āđ„āļ§āđ‰āļ§āļēāļ‡āđƒāļˆāđ„āļ”āđ‰
  • āļ„āļ§āļēāļĄāđ€āļŠāļĩāđˆāļĒāļ‡āđāļĨāļ°āļ„āļ§āļēāļĄāļ›āļĨāļ­āļ”āļ āļąāļĒ. āļāļĢāļ“āļĩāļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™āļ—āļĩāđˆāļĄāļĩāļ‚āļ­āļšāđ€āļ‚āļ•āļ”āļĩāļˆāļ°āļŠāđˆāļ§āļĒāļĨāļ”āļ„āļ§āļēāļĄāđ€āļŦāļ™āļ·āđˆāļ­āļĒāļĨāđ‰āļēāļ‚āļ­āļ‡āļāļēāļĢāđ€āļ›āļĨāļĩāđˆāļĒāļ™āđāļ›āļĨāļ‡āđāļĨāļ°āļ„āļ§āļēāļĄāđ€āļŠāļĩāđˆāļĒāļ‡āđƒāļ™āļāļēāļĢāļ”āļģāđ€āļ™āļīāļ™āļāļēāļĢ

āļĢāļ°āļ§āļąāļ‡

  • āļāļēāļĢāļ—āļģāđƒāļŦāđ‰āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļ—āļĩāđˆāđ€āļŠāļĩāļĒāļŦāļēāļĒāđ€āļ›āđ‡āļ™āļ­āļąāļ•āđ‚āļ™āļĄāļąāļ•āļīāļŠāļēāļĄāļēāļĢāļ–āļ‚āļĒāļēāļĒāļ›āļąāļāļŦāļēāļ—āļĩāđˆāļĄāļĩāļ­āļĒāļđāđˆāđ„āļ”āđ‰
  • āļ—āļĩāļĄāļ­āļēāļˆāļ”āļģāđ€āļ™āļīāļ™āļāļēāļĢāļ­āļąāļ•āđ‚āļ™āļĄāļąāļ•āļīāļĄāļēāļāđ€āļāļīāļ™āđ„āļ›āđāļĨāļ°āļĨāļšāļ§āļīāļˆāļēāļĢāļ“āļāļēāļ“āļ‚āļ­āļ‡āļĄāļ™āļļāļĐāļĒāđŒāļ—āļĩāđˆāļˆāļģāđ€āļ›āđ‡āļ™āļ­āļ­āļ
  • āļ„āļļāļ“āļ āļēāļžāļ­āļēāļˆāļ„āļĨāļēāļ”āđ€āļ„āļĨāļ·āđˆāļ­āļ™āđ„āļ”āđ‰āļŦāļēāļāđ„āļĄāđˆāđ„āļ”āđ‰āļĢāļąāļšāļāļēāļĢāļ›āļĢāļ°āđ€āļĄāļīāļ™āļœāļĨāļĨāļąāļžāļ˜āđŒāļ­āļĒāđˆāļēāļ‡āļ•āđˆāļ­āđ€āļ™āļ·āđˆāļ­āļ‡

āļ‚āļąāđ‰āļ™āļ•āļ­āļ™āļ•āđˆāļ­āđ„āļ›

  1. āđāļĄāļ›āļ‚āļąāđ‰āļ™āļ•āļ­āļ™āļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ›āļąāļˆāļˆāļļāļšāļąāļ™āđāļĨāļ°āļĢāļ°āļšāļļāļ‚āļąāđ‰āļ™āļ•āļ­āļ™āļ—āļĩāđˆāļĄāļĩāđāļĢāļ‡āđ€āļŠāļĩāļĒāļ”āļ—āļēāļ™āļŠāļđāļ‡āļŠāļļāļ”
  2. āļāļģāļŦāļ™āļ”āļˆāļļāļ”āļ•āļĢāļ§āļˆāļ‚āļ­āļ‡āļĄāļ™āļļāļĐāļĒāđŒāļāđˆāļ­āļ™āļĢāļ°āļšāļšāļ­āļąāļ•āđ‚āļ™āļĄāļąāļ•āļīāđ€āļ•āđ‡āļĄāļĢāļđāļ›āđāļšāļš
  3. āļāļķāļāļ­āļšāļĢāļĄāļœāļđāđ‰āđƒāļŠāđ‰āđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļāļēāļĢāđāļˆāđ‰āļ‡āđ€āļ•āļ·āļ­āļ™ āđ€āļŠāđ‰āļ™āļ—āļēāļ‡āļāļēāļĢāļĒāļāļĢāļ°āļ”āļąāļš āđāļĨāļ°āļĄāļēāļ•āļĢāļāļēāļ™āļ„āļļāļ“āļ āļēāļž
  4. āļ•āļīāļ”āļ•āļēāļĄāļœāļĨāļĨāļąāļžāļ˜āđŒāļĢāļ°āļ”āļąāļšāļ‡āļēāļ™āđ€āļžāļ·āđˆāļ­āļĒāļ·āļ™āļĒāļąāļ™āļ„āļļāļ“āļ„āđˆāļēāļ—āļĩāđˆāļĒāļąāđˆāļ‡āļĒāļ·āļ™

āļŠāļģāļĢāļ§āļˆāļ•āđˆāļ­āđ„āļ›

āļˆāļ”āļŦāļĄāļēāļĒāļ‚āđˆāļēāļ§āļŸāļĢāļĩ

āļĢāļąāļšāļŠāļĢāļļāļ› AI āļĢāļēāļĒāļ§āļąāļ™

āđ€āļĢāļ·āđˆāļ­āļ‡āļĢāļēāļ§ AI āļ—āļĩāđˆāļ•āļĢāļ§āļˆāļŠāļ­āļšāđāļĨāđ‰āļ§ 3 āđ€āļĢāļ·āđˆāļ­āļ‡āļ—āļļāļāļ§āļąāļ™āļ—āļģāļ‡āļēāļ™ āđ€āļŠāđ‰āļē, āđ€āļ‚āļĩāļĒāļ™āđ€āļ›āđ‡āļ™āļ āļēāļĐāļēāļ­āļąāļ‡āļāļĪāļĐāļ˜āļĢāļĢāļĄāļ”āļē āļŸāļĢāļĩāļ•āļĨāļ­āļ”āđ„āļ› āđ„āļĄāđˆāļĄāļĩāđ‚āļ†āļĐāļ“āļē

āļ­āļĩāđ€āļĄāļĨāļŦāļ™āļķāđˆāļ‡āļ‰āļšāļąāļšāļ—āļļāļāļ§āļąāļ™āļ—āļģāļ‡āļēāļ™ āļĒāļāđ€āļĨāļīāļāļāļēāļĢāļŠāļĄāļąāļ„āļĢāđƒāļ™āļ„āļĨāļīāļāđ€āļ”āļĩāļĒāļ§ āđ€āļĢāļēāđ„āļĄāđˆāđ€āļ„āļĒāļ‚āļēāļĒāļŦāļĢāļ·āļ­āđāļŠāļĢāđŒāļ—āļĩāđˆāļ­āļĒāļđāđˆāļ­āļĩāđ€āļĄāļĨāļ‚āļ­āļ‡āļ„āļļāļ“

āļ—āļ”āļŠāļ­āļšāļ•āļąāļ§āđ€āļ­āļ‡

Take the ReAct Agent Pattern quiz

āļ‚āđ‰āļ­āđ€āļŠāļ™āļ­āđāļ™āļ°āļ—āļąāļ™āļ—āļĩāļŠāļģāļŦāļĢāļąāļšāļ—āļļāļāļ„āļģāļ•āļ­āļš āđāļĨāļ°āđƒāļšāļĢāļąāļšāļĢāļ­āļ‡āļ—āļĩāđˆāļŠāļēāļĄāļēāļĢāļ–āđāļŠāļĢāđŒāđ„āļ”āđ‰āļžāļĢāđ‰āļ­āļĄ ID āļ—āļĩāđˆāļ•āļĢāļ§āļˆāļŠāļ­āļšāđ„āļ”āđ‰āđ€āļĄāļ·āđˆāļ­āļ„āļļāļ“āļœāđˆāļēāļ™āļŦāļĨāļąāļāļŠāļđāļ•āļĢ

āđ€āļĢāļīāđˆāļĄāđāļšāļšāļ—āļ”āļŠāļ­āļš

āļŠāļ™āļąāļšāļŠāļ™āļļāļ™āļāļēāļĢāļĻāļķāļāļĐāļē AI āļŸāļĢāļĩ AI Understanding āđ€āļ›āđ‡āļ™āļ­āļ‡āļ„āđŒāļāļĢāđ„āļĄāđˆāđāļŠāļ§āļ‡āļŦāļēāļœāļĨāļāļģāđ„āļĢ 501(c)(3) — āđ„āļĄāđˆāļĄāļĩāđ‚āļ†āļĐāļ“āļē āđ„āļĄāđˆāļĄāļĩāļāļģāđāļžāļ‡āđ€āļ‡āļīāļ™, āļ•āļĨāļ­āļ”āđ„āļ› āļšāļĢāļīāļˆāļēāļ„

āļ„āļģāļ–āļēāļĄāļ—āļĩāđˆāļžāļšāļšāđˆāļ­āļĒ

What is ReAct Agent Pattern?

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.

āļĢāļđāļ›āđāļšāļš ReAct āļĢāļ§āļĄāļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āļŠāļ­āļ‡āļ›āļĢāļ°āļāļēāļĢāļ­āļ°āđ„āļĢāļšāđ‰āļēāļ‡

ReAct āļĒāđˆāļ­āļĄāļēāļˆāļēāļ āļāļēāļĢāđƒāļŠāđ‰āđ€āļŦāļ•āļļāļœāļĨāđāļĨāļ°āļāļēāļĢāđāļŠāļ”āļ‡; āļĄāļąāļ™āļŠāļ­āļ”āđāļ—āļĢāļāļāļēāļĢāđƒāļŠāđ‰āđ€āļŦāļ•āļļāļœāļĨāđāļšāļšāļĨāļđāļāđ‚āļ‹āđˆāļ„āļ§āļēāļĄāļ„āļīāļ”āļ”āđ‰āļ§āļĒāļāļēāļĢāļāļĢāļ°āļ—āļģāļ—āļĩāđˆāđ€āļ›āđ‡āļ™āļĢāļđāļ›āļ˜āļĢāļĢāļĄ āđ€āļŠāđˆāļ™ āļāļēāļĢāđ€āļĢāļĩāļĒāļāđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĄāļ·āļ­

āļ­āļ‡āļ„āđŒāļ›āļĢāļ°āļāļ­āļšāļ—āļĩāđˆāļ—āļģāļ‹āđ‰āļģāļŠāļēāļĄāļ›āļĢāļ°āļāļēāļĢāļ‚āļ­āļ‡ ReAct loop āļ„āļ·āļ­āļ­āļ°āđ„āļĢ

āļ§āļ‡āļˆāļĢ ReAct āļ§āļ™āļœāđˆāļēāļ™āļ„āļ§āļēāļĄāļ„āļīāļ” (āđāļœāļ™) āļāļēāļĢāļāļĢāļ°āļ—āļģ (āļāļēāļĢāđ€āļĢāļĩāļĒāļāđƒāļŠāđ‰āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĄāļ·āļ­) āđāļĨāļ°āļāļēāļĢāļŠāļąāļ‡āđ€āļāļ• (āļœāļĨāļĨāļąāļžāļ˜āđŒ) āļ—āļģāļ‹āđ‰āļģāļˆāļ™āļāļ§āđˆāļēāļˆāļ°āđ€āļŠāļĢāđ‡āļˆāļŠāļīāđ‰āļ™

'āļāļēāļĢāļŠāļąāļ‡āđ€āļāļ•' āđƒāļ™ ReAct loop āļ„āļ·āļ­āļ­āļ°āđ„āļĢ

āļāļēāļĢāļŠāļąāļ‡āđ€āļāļ•āļ„āļ·āļ­āļœāļĨāļ•āļ­āļšāļĢāļąāļšāļ—āļĩāđˆāļĢāļ°āļšāļšāļŠāđˆāļ‡āļ„āļ·āļ™āļŦāļĨāļąāļ‡āļˆāļēāļāļĢāļąāļ™āļāļēāļĢāļ”āļģāđ€āļ™āļīāļ™āļāļēāļĢāļ—āļĩāđˆāđ€āļĨāļ·āļ­āļāļ‚āļ­āļ‡āđ‚āļĄāđ€āļ”āļĨ āļ‹āļķāđˆāļ‡āđ‚āļĄāđ€āļ”āļĨāđƒāļŦāđ‰āđ€āļŦāļ•āļļāļœāļĨāđƒāļ™āļ āļēāļĒāļŦāļĨāļąāļ‡

āđ€āļŦāļ•āļļāđƒāļ” ReAct āļˆāļķāļ‡āļŠāļēāļĄāļēāļĢāļ–āļĨāļ”āļ­āļēāļāļēāļĢāļ›āļĢāļ°āļŠāļēāļ—āļŦāļĨāļ­āļ™āđ„āļ”āđ‰āđ€āļĄāļ·āđˆāļ­āđ€āļ—āļĩāļĒāļšāļāļąāļšāļāļēāļĢāđƒāļŦāđ‰āđ€āļŦāļ•āļļāļœāļĨāđāļšāļšāļĨāļđāļāđ‚āļ‹āđˆāđāļŦāđˆāļ‡āļ„āļ§āļēāļĄāļ„āļīāļ”āļĨāđ‰āļ§āļ™āđ†

āđāļšāļšāļˆāļģāļĨāļ­āļ‡āļŠāļēāļĄāļēāļĢāļ–āļ•āļĢāļ§āļˆāļŠāļ­āļšāļ‚āđ‰āļ­āđ€āļ—āđ‡āļˆāļˆāļĢāļīāļ‡āđāļĨāļ°āđāļāđ‰āđ„āļ‚āđāļ™āļ§āļ—āļēāļ‡āđ„āļ”āđ‰ āđāļ—āļ™āļ—āļĩāđˆāļˆāļ°āļ„āļīāļ”āļ„āđ‰āļ™āļ„āļģāļ•āļ­āļšāđ‚āļ”āļĒāļāļēāļĢāļŠāļ­āļ”āđāļ—āļĢāļāļāļēāļĢāđƒāļŠāđ‰āđ€āļŦāļ•āļļāļœāļĨāļāļąāļšāļāļēāļĢāļŠāļąāļ‡āđ€āļāļ•āļˆāļĢāļīāļ‡āļˆāļēāļāđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĄāļ·āļ­

What improvement did the ReAct paper report over imitation/RL baselines on ALFWorld?

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.

āđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ•āđˆāļ­āđ„āļ›

āļ„āļģāđāļ™āļ°āļ™āļģāļ—āļĩāđˆāđ€āļāļĩāđˆāļĒāļ§āļ‚āđ‰āļ­āļ‡

āļ„āļģāđāļ™āļ°āļ™āļģāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄāļ—āļĩāđˆāđ€āļĨāļ·āļ­āļāļŠāļģāļŦāļĢāļąāļšāļŦāļąāļ§āļ‚āđ‰āļ­āļ™āļĩāđ‰

āļ•āđˆāļ­āđ„āļ›āļ„āļģāđāļ™āļ°āļ™āļģāļ•āđˆāļ­āđ„āļ›

āļ•āļąāļ§āđāļ—āļ™āļœāļđāđ‰āļ§āļēāļ‡āđāļœāļ™-āļœāļđāđ‰āļ”āļģāđ€āļ™āļīāļ™āļāļēāļĢ

āļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™

āļĢāļąāļšāđƒāļšāļĢāļąāļšāļĢāļ­āļ‡ AI āļŸāļĢāļĩāļŦāļĨāļąāļāļŠāļđāļ•āļĢāđāļĨāļ°āļāļēāļĢāļŠāļ­āļšāļŠāļąāđ‰āļ™ āđ† āļŸāļĢāļĩ āđ„āļĄāđˆāļĄāļĩāļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ āđ„āļĄāđˆāļĄāļĩāļšāļąāļ•āļĢāđ€āļ„āļĢāļ”āļīāļ• āļ›āļĢāļ°āļĄāļēāļ“ 2.5 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡āđ€āļĢāļīāđˆāļĄāļ•āđ‰āļ™āļŸāļĢāļĩ →