Biblioteca · Paper · 2023 · ICLR (arXiv:2210.03629)

ReAct: Synergizing Reasoning and Acting in Language Models

Shunyu Yao, Jeffrey Zhao, Dian Yu, Nan Du, Izhak Shafran, Karthik Narasimhan, Yuan Cao

É o padrão de raciocínio que está embaixo de quase todo agente em produção hoje. Sem ele, modelos alucinam; com ele, pensam, agem e corrigem o rumo.

A leitura do Thiago

ReAct é, provavelmente, o paper mais aplicado da sua empresa sem que ninguém perceba. A ideia parece óbvia depois que você entende, e as melhores ideias são assim. Em vez de o modelo cuspir uma resposta de uma vez, ele entra num ciclo: pensa em voz alta sobre o problema, toma uma ação no mundo, por exemplo consultar uma base ou chamar uma API, observa o resultado e pensa de novo.

Pensar, agir, observar, repetir. Esse loop é o que separa um chatbot que inventa respostas de um agente que vai buscar o dado certo antes de falar. O ganho prático é duplo.

Primeiro, reduz alucinação, porque o modelo confere a realidade em vez de adivinhar. Segundo, deixa o raciocínio visível, e raciocínio visível é raciocínio auditável. Para uma corporação brasileira, isso importa diretamente em governança e risco.

Quando um agente de atendimento ou de back office erra, você consegue abrir o rastro e ver onde a decisão saiu dos trilhos. ReAct não é tecnologia de ponta exótica, é a fundação madura sobre a qual seus fornecedores constroem. Saber que ela existe te dá lente para cobrar transparência no lugar de aceitar caixa preta.

arquitetura-cognitivaatuaisagentesraciocinioferramentas
Ler o paper original →
O que você achou desta página?
Recomendaria esta página para alguém do seu time?