Cadre ReAct

Le cadre ReAct a été proposé par Yao Shunyu et d’autres de l’Université de Princeton et de Google Research dans l’article «REACT : SYNERGISER LE RAISONNEMENT ET L'ACTION DANS LES MODÈLES DE LANGAGEL'étude propose un paradigme général combinant les avancées du raisonnement et de l'action pour permettre aux modèles linguistiques de résoudre diverses tâches de raisonnement et de prise de décision. Nous démontrons que le paradigme Raison+Action (ReAct) surpasse systématiquement le paradigme Raison-Action seul, tant pour la définition d'un modèle linguistique plus large que pour l'affinement d'un modèle linguistique plus restreint. L'intégration étroite du raisonnement et de l'action présente également une trajectoire de résolution de tâches cohérente avec celle des humains, améliorant ainsi l'interprétabilité, le diagnostic et la contrôlabilité.

ReAct permet aux modèles de langage de générer des traces de raisonnement verbal et des actions textuelles de manière entrelacée. Alors que les actions entraînent des réactions observées de l’environnement externe, les trajectoires de raisonnement n’affectent pas l’environnement externe. Au lieu de cela, ils influencent l’état interne du modèle en raisonnant sur le contexte et en mettant à jour le modèle avec des informations utiles pour soutenir le raisonnement et les actions futurs.

ReAct est une approche simple mais efficace pour raisonner et agir dans des modèles de langage collaboratif. Grâce à diverses expériences axées sur les réponses aux questions multi-sauts, la vérification des faits et les tâches de prise de décision interactive, l'équipe de recherche a démontré que ReAct, avec des traces de décision explicables, conduit à des performances supérieures.

ReAct démontre la faisabilité de la modélisation conjointe des pensées, des actions et des retours environnementaux dans un modèle de langage, ce qui en fait un agent polyvalent capable de résoudre des tâches nécessitant une interaction avec l'environnement.