超级会员免费看
LLM ReAct是一种通用范式，让大型语言模型通过逻辑推理和行动达成目标。它适用于多种任务，如问答、决策等，提高了效率、效果和可信赖度。ReAct的特点包括简单、灵活、高性能和可控性，但依赖于人工提示和模型微调。落地应用时，需考虑选择合适的LLM、设计prompt、提供行为支持工具和评估方法。
LLM ReAct
什么是ReAct?
LLM ReAct 是一种将推理和行为相结合的通用范式，可以让大型语言模型（LLM）根据逻辑推理（Reason），构建完整系列行动（Act），从而达成期望目标。LLM ReAct 可以应用于多种语言和决策任务，例如问答、事实验证、交互式决策等，提高了 LLM 的效率、效果、可解释性和可信赖度
详见可以参见：LLM ReAct
论文中的Prompt示例
ReAct详细细节如下：
- few-shot【少样本学习】提供一些包含交替出现的reasoning(推理)和actions(行动)例子，使得模型能够。
- 在生成过程中,语言模型需要同时预测
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
