从 Yao 等人，2022 引入了一个框架，其中 LLMs 以交错的方式生成 推理轨迹 和 任务特定操作 。生成推理轨迹使模型能够诱导、跟踪和更新操作计划，甚至处理异常情况。操作步骤允许与外部源（如知识库或环境）进行交互并且收集信息。ReAct 框架允许 LLMs 与外部工具交互来获取额外信息，从而给出更可靠和实际的回应。结果表明，ReAct 可以在语言和决策任务上的表现要高于几个最先进水准要求的的基线。ReAct 还提高了 LLMs 的人类可解释性和可信度。总的来说，作者发现了将 ReAct 和链式思考 (CoT) 结合使用的最好方法是在推理过程同时使用内部知识和获取到的外部信息。它是如何运...

最想去的公司是字节跳动。相比单纯追求规模或名气，字节更吸引我的是它以技术和产品为核心的氛围。业务迭代快、数据驱动强，能让技术真正参与到解决实际问题中。对工程师来说，这里意味着更高的成长密度，也意味着能在真实复杂的场景中不断打磨自己的能力。这种环境，是我最向往的。