dair-ai--prompt-engineering-guide
wehub-resource-sync
14 行
1.0 KiB
Plaintext
14 行
1.0 KiB
Plaintext
# ReAct
|
||
|
||
import { Callout, FileTree } from 'nextra-theme-docs'
|
||
import {Screenshot} from 'components/screenshot'
|
||
import REACT from '../../img/react.png'
|
||
|
||
[Yao et al., 2022](https://arxiv.org/abs/2210.03629) a introduit un cadre dans lequel les LLM sont utilisées pour générer à la fois des traces de raisonnement et des actions spécifiques à une tâche de manière entrelacée. La génération de traces de raisonnement permet au modèle d'induire, de suivre et de mettre à jour des plans d'action, et même de gérer des exceptions. L'étape d'action permet de s'interfacer et de recueillir des informations provenant de sources externes telles que des bases de connaissances ou des environnements.
|
||
|
||
Le cadre ReAct peut permettre aux LLM d'interagir avec des outils externes pour récupérer des informations supplémentaires qui conduisent à des réponses plus fiables et factuelles.
|
||
|
||
<Screenshot src={REACT} alt="REACT" />
|
||
Image Source: [Yao et al., 2022](https://arxiv.org/abs/2210.03629)
|
||
|
||
Exemple complet à venir ! |