Šta je ReAct? I u čemu je razlika od CoT-a?

Intervjuer te pita: „Šta je ReAct?" Ako odgovoriš „to znači da veliki model prvo razmišlja, pa onda radi", intervjuer će dodati: „a u čemu je onda razlika od CoT misaonog lanca?" — i ti ćeš samo slegnuti ramenima, bez reči.

Zašto?

Zato što to „prvo razmišlja, pa radi" zapravo opisuje CoT. ReAct ima još jednu ključnu akciju — proveru u stvarnom svetu.

Danas za 3 minuta ću ti potpuno objasniti razliku između ReAct i CoT.

Intervjuer ovim pitanjem proverava dva nivoa: prvo, da li potpuno i jasno objasniš ReAct-ovu trokorakovnu petlju; drugo, da li jednom rečenicom možeš da uočiš suštinsku razliku u odnosu na CoT misaoni lanac.

Dobro, evo odgovora za pun bod — nauči ga napamet i gotovo.

Prvo, šta je CoT. CoT, Chain-of-Thought, misaoni lanac. Traži od LLM-a da rezonuje korak po korak pre nego što da odgovor, umesto da odmah izbaci zaključak. Na primer, kad pitaš „koliko stanovnika ima grad u kom se nalazi Ajfelov toranj?", CoT ovako razmišlja: „Ajfelov toranj je u Parizu, sećam se da Pariz ima oko 2,1 milion stanovnika, odgovor je 2,1 milion." Ceo proces se odvija u glavi, bez provere bilo kakvih spoljnih podataka. Problem? Podaci koje se „setio" mogu biti zastareli, a mogu biti i izmišljeni — a on sam to ne zna.

Sad pogledaj ReAct. ReAct, punog naziva Reasoning + Acting, 2022. godine predstavili su Shunyu Yao, tada doktorski student na Univerzitetu Princeton, kao prvi autor, u saradnji sa Google-om.

Jezgro je trokorakovna petlja: Thought — razmišljanje, Action — akcija, Observation — posmatranje rezultata, a zatim povratak na Thought za sledeće razmišljanje.

Za isti problem, ReAct ovako radi — Thought: „Treba da proverim u kom gradu je Ajfelov toranj." Action: pretraga „lokacija Ajfelovog tornja". Observation: vraćeno je „Pariz, Francuska". Thought: „Sad da proverim broj stanovnika Pariza." Action: pretraga „stanovništvo Pariza". Observation: vraćeno je „gradsko jezgro oko 2,1 milion, šire područje oko 13 miliona." Svaki korak rezonovanja ima oslonac u stvarnim podacima, i konačni odgovor je proveren.

Razlika u jednoj rečenici — CoT je ispit bez pripremanja, sve ide od glave, i ako pogrešiš niko te ne ispravlja. ReAct je ispit uz konsultaciju literature — razmišljaš korak, proveravaš korak, a stvarni rezultat pretrage ispravlja smer sledećeg rezonovanja.

Jedan podatak to dobro ilustruje: u neuspesima CoT-a, čak 56% su halucinacije — model samouvereno izmisli činjenicu koja ne postoji. Stopa halucinacija kod ReAct-a je blizu nule, jer svaki korak ima oslonac u stvarnom rezultatu.

Ako intervjuer nastavi da pritiska: „Znači li to da je CoT zamenjen ReAct-om?"

Reci mu — nije. Za čisto rezonujuće zadatke, poput matematičkih proračuna, logičke analize ili code review-a, koji ne zahtevaju preuzimanje spoljnih podataka, CoT je direktniji i efikasniji. ReAct je nadmoćan u scenarijima koji zahtevaju spoljne informacije. A uz to, svaki Thought korak unutar ReAct-a sam po sebi je CoT. Njih dvoje nisu u odnosu zamene — ReAct objedinjuje CoT-ovu sposobnost rezonovanja sa tool call-ovima.

Na kraju, jedna formula za sve vas — CoT radi zatvoreno, iz glave; ReAct radi uz konsultaciju literature, korak po korak; razmisli pa proveri, proveri pa razmisli, i halucinacije nemaju gde da se sakriju.

Da li si savladao ovo pitanje? Za još analiza na nivou izvornog koda pitanja iz Agent intervju — paicoding.com/stutymore/what-is-react-36730f783de82fef0341ab6dcc9c2cc1.png)