ReAct: il framework che unisce ragionamento e azioni negli LLM
In una frase Il paper di Yao et al. introduce ReAct, schema che alterna pensieri espliciti (Thought) e azioni concrete (Act) nell'LLM, fondamento teorico di tutti gli agenti moderni.
Prima di ReAct, i modelli linguistici potevano ragionare oppure agire, ma difficilmente le due cose insieme in modo strutturato. Il paper propone un formato semplice: il modello scrive prima un pensiero, poi esegue un'azione (come cercare su Wikipedia), poi osserva il risultato, e ricomincia.
Questo ciclo Thought-Action-Observation permette al modello di correggere il proprio ragionamento strada facendo, consultando fonti esterne. I risultati su benchmark come HotpotQA e Fever migliorano significativamente rispetto a chain-of-thought puro.
ReAct diventa il blueprint concettuale di quasi tutti i framework agentici successivi: LangChain, AutoGPT, BabyAGI replicano questa logica.
Aziende
Google, Princeton University
Tool
ReAct, LangChain
Tag
Fonti