ReAct 프레임워크

ReAct 프레임워크는 프린스턴 대학과 Google Research의 Yao Shunyu와 다른 사람들이 논문 "REACT: 언어 모델에서 추론과 행동의 시너지 효과본 연구는 추론과 행동의 발전을 결합하여 언어 모델이 다양한 언어 추론 및 의사 결정 과제를 해결할 수 있도록 하는 일반적인 패러다임을 제안합니다. 본 연구는 이성+행동(ReAct) 패러다임이 이성-행동 패러다임보다 더 큰 언어 모델에 신호를 주고 더 작은 언어 모델을 미세 조정하는 데 있어 체계적으로 더 우수한 성능을 보임을 입증합니다. 추론과 행동의 긴밀한 통합은 인간과 동일한 과제 해결 경로를 제시하여 해석 가능성, 진단 가능성, 그리고 제어 가능성을 향상시킵니다.

ReAct를 사용하면 언어 모델이 언어적 추론 추적과 텍스트 작업을 인터리브 방식으로 생성할 수 있습니다. 행동은 외부 환경으로부터 관찰된 피드백을 가져오지만, 추론 궤적은 외부 환경에 영향을 미치지 않습니다. 대신, 그들은 맥락에 대해 추론하고 미래의 추론과 작업을 지원하기 위해 유용한 정보로 모델을 업데이트함으로써 모델의 내부 상태에 영향을 미칩니다.

ReAct는 협업 언어 모델에서 추론하고 행동하기 위한 간단하면서도 효과적인 접근 방식입니다. 연구팀은 멀티홉 질의응답, 사실 확인, 대화형 의사결정 업무에 초점을 맞춘 다양한 실험을 통해 설명 가능한 의사결정 추적 기능을 갖춘 ReAct가 뛰어난 성과를 낸다는 것을 입증했습니다.

ReAct는 언어 모델에서 사고, 행동, 환경 피드백을 공동으로 모델링하는 것이 가능함을 보여주며, 이를 통해 환경과의 상호 작용이 필요한 작업을 해결할 수 있는 다재다능한 에이전트가 됩니다.