研究问题

只生成推理文本无法获得新环境信息;只生成动作又难以跟踪目标、解释异常。ReAct 将 reasoning 与 acting 放到同一条交互轨迹中,让观察影响下一动作。

方法与图的作用

模型交替生成推理和任务动作,工具或环境返回观察后继续决策。论文包含问答与事实核验,也包含 ALFWorld、WebShop 的交互决策。本库主要借鉴后者,不把其问答实验迁移为新的 RAG 任务。

ReAct 提供强而简单的闭环基线,本身没有要求显式依赖图。因此,后续图方法必须在相同工具、反馈和预算下超过这条基线,才能说明收益来自结构表示。

仍然存在的问题

线性轨迹里已经完成的子任务、阻塞条件和独立分支通常隐含在文本中。能否显式维护这些约束,是本库提出的对照问题;不能据此说 ReAct 完全没有规划或恢复能力。

关联阅读

LLMCompiler:把可独立的工具调用并行化;ADaPT:执行失败时再分解;ToolSandbox:状态依赖与过程评测。

原始来源与阅读范围

Yao et al. / arXiv · 2022-10-06。本轮范围:元数据与摘要核验;采集日期:2026-11-16。来源陈述与本库提出的实验设想在正文中分别说明。