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...

发消息发到工作群了。。。主要是朋友也看错群了还回复了

个人bg介绍: 专升本 -> 双非硕，硕士转码，在校期间1b1c共计两篇长文(事实上在ai应用开发相关面试时，文章并没有起到太大的作用，也可能是面试的公司规模不是特别大)，在校timeline: 2023年入学时基础比较差，主要以c/c++为主，刚入学时也比较迷茫，在学业上主要以python为主，组内的项目主要以java为主，也算是学的比较杂，当时对于就业的考量是只要比本科强就可以，因为当时的专业为物流，所以基本都是土木相关，这也就导致了无论硕士就业如何，相较于本科而言都是向上的，这也就导致了当时对于就业方向的选择比较随性，只要能找到工作就好。 中间陆陆续续把小论文都撰写好了，在2024...