积分商城

最新搜索： AVR和PROTEUS实训100例2 Qtouch RTD2513 GB3452.2 SN29500 AX88772C
您现在的位置是：首页 > 技术资料 > ReAct框架-推理与行动结合.
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

ReAct框架-推理与行动结合.

更新时间：2026-07-01 07:57:15 大小：15K 上传用户：江岚查看TA发布的资源 标签：推理框架 下载积分：2分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

一、ReAct框架核心概念

ReAct（Reasoning + Acting）是Google DeepMind和普林斯顿大学联合提出的大语言模型推理与行动结合框架，核心思想是让大语言模型在解决任务时，同步生成推理轨迹（Reasoning Trace）和对应行动（Action），通过“推理-行动-观察”的闭环交互，突破纯推理大模型在事实性错误、信息滞后、环境交互方面的局限性。

传统大语言模型解决问题时，要么仅依赖自身参数存储的知识进行端到端生成，容易产生幻觉（生成虚假事实、错误逻辑），要么仅能调用外部工具但缺乏清晰的推理过程可解释性。而ReAct框架通过将推理过程显性化、行动过程与推理过程绑定，既让模型的决策过程可解释，又能通过外部工具获取实时、准确的信息修正推理路径，大幅提升复杂任务的解决效果。

二、ReAct框架的核心运作逻辑

ReAct框架遵循固定的循环交互流程，完整周期分为三个核心步骤：

1. Reasoning（推理）：模型基于当前问题、已有的历史观察结果，生成显性的自然语言推理内容，明确当前需要解决的问题、已掌握的信息、下一步需要采取的行动的理由。

2. Acting（行动）：基于推理结论，模型生成标准化的行动指令，调用对应外部工具或环境接口执行行动，常见行动类型包括：调用搜索引擎查询事实信息、调用计算器完成数值计算、调用知识库获取专业内容、在交互环境中执行操作指令等。

3. Observation（观察）：获取外部工具或环境返回的行动结果，将结果作为新的观察信息加入上下文，进入下一轮“推理-行动”循环。

当模型推理得出任务已经完成、可以给出最终答案时，就终止循环，输出最终结果。这个循环过程可以用标准化的提示词模版来约束，典型的模版结构如下：

Question: [用户的原始问题]

Thought 1: [第一步推理，说明当前需要做什么]

Action 1: [调用的工具名称，参数]

Observation 1: [工具返回的结果]

Thought 2: [基于第一步结果的第二步推理]

Action 2: [第二步行动]

Observation 2: [第二步工具结果]


部分文件列表

文件名 大小
ReAct框架-推理与行动结合.docx 15K

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号