[PaperReading] REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS

目录

• REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS
• TL;DR
• Method
  • 实验设计
    • 不同方法的对比
  • BadCase分析
• Q&A
• Experiment
  • WebShop​​
• 总结与思考
• 相关链接

REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS

link
时间：22.10
单位：Princeton University && Google Brain
相关领域：Agent
作者相关工作：Shunyu Yao
被引次数：4520
项目主页：

• blog: https://research.google/blog/react-synergizing-reasoning-and-acting-in-language-models/
• 主页：https://react-lm.github.io/
• code: https://github.com/ysymyth/ReAct

TL;DR

大语言模型LLMs的推理能力(reasoning)与执行能力(acting)通常作为两个Topic分开研究。本文提出ReACT(Reasoning and Acting)，研究如何使两者更好协同，Reasoning能力使模型推导及更新规划，而Acting使用模型可以从环境中接口里获取到更多知识信息。

Method

实验设计

Domains: 在这两个任务中，模型​​仅接收问题/陈述本身​​，而​​不直接获取​​任何可能包含答案的支撑文档或段落。这意味着模型必须完全依赖其​​内部知识​​或通过​​与外部环境交互​​来获取必要信息。
Action Space
Wikipedia Web API​​有三种接口：

• search：根据给定的实体名称（如"George Washington"）进行搜索。
• lookup：在当前打开的维基百科页面中，查找包含特定字符串的下一句话。
• finish：终止当前任务，并提交最终答案。

不同方法的对比

HotPotQA：multi-hop question answering，多轮对话测试集
FEVER：fact verification，事实验证的Benchmark

• CoT-SC:​​ SC是 ​​Self-Consistency​​ 的缩写。其核心做法是在推理时，通过提高解码温度（temperature）来从语言模型中采样生成多条（例如21条）不同的推理轨迹，然后通过​​多数投票​​（majority vote）的方式从这些答案中选择最一致的一个作为最终答案，以此提高准确性和鲁棒性。
• ReAct → CoT-SC​​: 指首先尝试使用ReAct方法（通过API与环境交互获取外部信息）来解决问题。如果ReAct在设定的最大步数内（HotpotQA为7步，FEVER为5步）未能得出答案，则​​回退（back off）​​ 到使用CoT-SC方法，依赖模型的内部知识进行推理。
• ​​CoT-SC → ReAct​​: 指首先使用CoT-SC方法进行推理。如果CoT-SC采样产生的多个答案中，得票最高的答案其票数未能超过总采样数的一半（即 n/2），表明模型的内部知识对于此问题并不自信或存在分歧，此时则回退到使用ReAct方法，通过外部交互来寻找答案。

BadCase分析

• CoT的主要问题​​：​​幻觉（Hallucination）​​。这是CoT最主要的失败模式（占56%），即推理链条中混入了不正确的事实或信息。
• ReAct的主要问题​​：​​推理错误（Reasoning Error）​​ 和​​搜索结果错误（Search Result Error）​​。

Q&A

Q：图1d这种模式对于现在agent很常见，为什么会是本文创新点？
A：“思考-行动-观察”的循环模式如今已成为构建AI Agent的常见范式。但在本文发表的当时（2022年），这是一个重要的​​范式创新​​。本文是​​首个​​系统性地、通用地将“推理”和“行动”在语言模型中​​交织（interleave）​​ 起来的工作，并为其命名（ReAct）。
Q：文中的Acting指得是什么？
A：Acting​​ 指的是模型能够发出​​可执行的动作​​，与​​外部环境（external environment）​​ 进行交互，从而获取新的信息或改变环境状态。在​​知识密集型任务​​（如HotpotQA, FEVER）中，Acting 特指通过一个简单的 ​​Wikipedia API​​ 进行交互，动作包括：search, lookup, finish。

Experiment

WebShop​​

WebShop是一个模拟的在线购物网站环境，它包含了从亚马逊爬取的​​118万种真实商品​​和​​1.2万条人类指令​​。
智能体（Agent）的任务是根据用户的​​自然语言指令​​购买符合要求的产品。指令通常包含多项属性要求，例如：“I am looking for a nightstand with drawers. It should have a nickel finish, and priced lower than $140”（我需要一个带抽屉的床头柜。它应该是镍色 finish，并且价格低于140美元）。
​​评估指标 (Evaluation Metrics)​​

• 成功率 (Success Rate, SR)​​: 智能体最终购买的商品​​完全满足​​指令中所有要求的任务比例
• 平均得分 (Score)​​: 一个更细粒度的指标，计算智能体购买的商品所满足的指令属性要求的百分比，然后在整个测试集上求平均。
  基线模型 (Baselines)​​
• 作者将ReAct与之前需要大量数据训练的方法进行比较：
• 模仿学习 (Imitation Learning, IL)​​: 在1,012条人类标注的轨迹上进行训练
• ​模仿+强化学习 (IL+RL)​​: 在IL的基础上，额外使用10,587条训练指令进行强化学习优化。
  

总结与思考

比较早想到结合Reasoning与Acting的方法，也设计了比较严谨来证明有效性。可以被认为是Agent系列工作的先驱之作。

相关链接

https://zhuanlan.zhihu.com/p/1921961266257336099