mirror of
https://github.com/dair-ai/Prompt-Engineering-Guide
synced 2024-11-04 12:00:10 +00:00
14 lines
914 B
Plaintext
14 lines
914 B
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) introduziu uma estrutura em que LLMs são usados para gerar rastros de raciocínio e ações específicas de tarefas de maneira intercalada. A geração de rastros de raciocínio permite que o modelo induza, rastreie e atualize planos de ação e até mesmo trate de exceções. A etapa de ação permite interagir e coletar informações de fontes externas, como bases de conhecimento ou ambientes.
|
||
|
|
|
||
|
|
A estrutura ReAct pode permitir que os LLMs interajam com ferramentas externas para recuperar informações adicionais que levam a respostas mais confiáveis e factuais.
|
||
|
|
|
||
|
|
<Screenshot src={REACT} alt="REACT" />
|
||
|
|
Fonte da imagem: [Yao et al., 2022](https://arxiv.org/abs/2210.03629)
|
||
|
|
|
||
|
|
Exemplo completo em breve!
|