聚焦ReAct：通过重迭代和提前停止改进ReAct
人工智能
2024-10-15 v1
摘要
大型语言模型（LLMs）在推理和决策能力方面取得了显著进展，如ReAct等方法。然而，尽管ReAct在解决复杂任务方面效果显著，但仍面临两个主要挑战：失去对原始问题的关注，以及陷入动作循环。为此，我们提出了Focused ReAct，这是一种增强型ReAct范式，包含重迭代和提前停止机制。这些改进有助于模型保持对原始查询的关注，避免重复行为。实验结果表明，与原始ReAct方法相比，准确率提升了18%至530%，运行时间缩短了最高34%。
引用
@article{arxiv.2410.10779,
title = {Focused ReAct: Improving ReAct through Reiterate and Early Stop},
author = {Shuoqiu Li and Han Xu and Haipeng Chen},
journal= {arXiv preprint arXiv:2410.10779},
year = {2024}
}
备注
The Eighth Widening NLP Workshop (WiNLP 2024)