[논문 리뷰] REAC T: SYNERGIZING REASONING AND ACTING INLANGUAGE MODELS

abstract

LLM은 언어 이해와 상호 작용 기반 의사 결정 작업 전반에서 인상적인 상과를 보여주고 있지만

추론 능력과 행동 능력은 주로 각각 따로 연구 되어 왔습니다.

이 논문에서는 LLM이 추론과정과 작업별 행동을 서로 교차 시키며 생성하여 시너지를 극대화 하는 방안을 탐구합니다.

추론 과정은 모델이 행동 계획을 유도, 추적, 업데이트, 예외 상황 처리에 도움을 줍니다.

행동 수행은 외부 지식 기반이나 환경과 상호 작용하며 추가 정보를 얻는 수단이 됩니다.

이 접근법을 ReAct라고 명명하고, 다양한 언어 및 의사 결정 과제에 적용하여, 기존 최신 모델 대비 더 우수한 성능, 해석 가능성, 신리성을 입증했습니다.

질문 응답과 사실 검증 작업에서 ReAct는 API와 상호작용하며 할루시네이션 및 추론 오류 전파 문제를 해결하고, 사람처럼 이해 가능한 작업 해결 과정을 생성합니다.

 

introduction

지성의 특징은 태스크 중심 행동과 언어적 추론을 자연스럽게 결합할 수 있다는 점입니다.

이는 자기 조절이나 전략 수립을 가능하게 하고, 작업 기억을 유지하는데 중요한 역할을 한다고 이론화 되어 있습니다.

 

부엌에서 요리 하는 상황을 예시로 들면 각 구체적 행동 사이에 우리는 언어를 통해 다음과 같은 추론을 실시한다.

진행 사항 추적을 위해서 => 모든 재료 준비 완료, 물을 데워야 겠다.

예외 상황을 처리하거나 계획을 수정하기 위해서 => 소금이 없다, 대신 간장과 후추를 써야겠다.

외부 정보의 필요성을 인식하기 위해서 => 반죽은 어떻게 만들지? 인터넷에서 찾아보자

 

다음과 같은 행동을 통해 추론을 뒷받침합니다.

요리책을 펼쳐 레시피를 읽고, 냉장고를 열어 재료를 확인하는 등의 행

 

또한