ReAct Prompting
A abordagem ReAct leva um LLM a alternar etapas de raciocínio com ações, como pesquisas ou chamadas a ferramentas, lendo cada resultado antes de decidir o que fazer a seguir.
A instrução ReAct, abreviatura de raciocínio e ação, faz com que um modelo de linguagem de grande porte (LLM) alterne entre escrever um pensamento sobre a tarefa, executar uma ação — como uma pesquisa ou uma chamada a uma ferramenta — e ler a observação devolvida pela ação, repetindo o ciclo até conseguir responder. O raciocínio planeia e acompanha as ações, e estas obtêm factos externos ao modelo; assim, as respostas baseiam-se em evidências recuperadas, e não apenas na memória. Shunyu Yao e colegas da Universidade de Princeton e da Google Research apresentaram o método em ReAct: Sinergia entre raciocínio e ação em modelos de linguagem, apresentado na ICLR 2023. Com apenas um ou dois exemplos na instrução, o ReAct superou métodos de aprendizagem por imitação e de aprendizagem por reforço treinados com muito mais dados, por 34 e 10 pontos percentuais na taxa de sucesso absoluto, respetivamente, nas tarefas domésticas ALFWorld e na referência de compras online WebShop. Os atuais agentes de IA que usam ferramentas executam o mesmo ciclo.
Como funciona o ReAct#
Uma instrução ReAct é uma instrução com poucos exemplos, com várias trajetórias de exemplo, cada uma constituída por uma pergunta seguida de linhas intercaladas de Pensamento, Ação e Observação. Perante uma nova pergunta, o modelo escreve um pensamento e uma ação e, em seguida, para. O código do controlador analisa a ação, executa a ferramenta correspondente, acrescenta o resultado como observação seguinte e volta a chamar o modelo com a transcrição mais longa. Para responder a perguntas, o artigo forneceu ao modelo uma interface mínima da Wikipédia com três ações: search[entity] devolve as primeiras frases de uma página, lookup[string] devolve a frase seguinte da página atual que contém uma cadeia de texto e finish[answer] termina a tarefa.
Uma trajetória ReAct#
Este exemplo da instrução usada no artigo para o HotpotQA, um conjunto de dados de resposta a perguntas que exige a combinação de factos de várias páginas da Wikipédia, mostra o ciclo a recuperar de uma primeira pesquisa que não contém a resposta:
Question: What is the elevation range for the area that the eastern sector of the Colorado orogeny extends into?
Thought 1: I need to search Colorado orogeny, find the area that the eastern sector of the Colorado orogeny extends into, then find the elevation range of the area.
Action 1: Search[Colorado orogeny]
Observation 1: The Colorado orogeny was an episode of mountain building (an orogeny) in Colorado and surrounding areas.
Thought 2: It does not mention the eastern sector. So I need to look up eastern sector.
Action 2: Lookup[eastern sector]
Observation 2: (Result 1 / 1) The eastern sector extends into the High Plains and is called the Central Plains orogeny.
Thought 3: The eastern sector of Colorado orogeny extends into the High Plains. So I need to search High Plains and find its elevation range.
Action 3: Search[High Plains]
Observation 3: High Plains refers to one of two distinct land regions:
Thought 4: I need to instead search High Plains (United States).
Action 4: Search[High Plains (United States)]
Observation 4: The High Plains are a subregion of the Great Plains. From east to west, the High Plains rise in elevation from around 1,800 to 7,000 ft (550 to 2,130 m).
Thought 5: High Plains rise in elevation from around 1,800 to 7,000 ft, so the answer is 1,800 to 7,000 ft.
Action 5: Finish[1,800 to 7,000 ft]O Pensamento 2 apercebe-se de que a página não contém o facto necessário e passa a uma consulta; o Pensamento 4 resolve uma pesquisa ambígua — duas correções que uma sequência fixa de pesquisas não conseguiria fazer.
Resultados e limitações#
Fundamentar o raciocínio em observações reduz sobretudo a invenção de factos. Na análise de erros do artigo sobre o HotpotQA com o PaLM-540B, as alucinações causaram 56% das falhas da cadeia de pensamento e nenhuma das falhas do ReAct; a taxa de falsos positivos da cadeia de pensamento foi de 14%, contra 6% no ReAct. O ciclo tem a sua própria forma de falhar: as pesquisas sem resultados úteis representaram 23% dos erros do ReAct, porque uma observação vazia desvia o raciocínio subsequente. No HotpotQA, o ReAct isolado atingiu 27.4% de correspondência exata, contra 29.4% para a cadeia de pensamento; na tarefa de verificação de factos Fever, liderou com 60.9% de precisão, contra 56.3%. O melhor resultado no HotpotQA, 35.1%, surgiu da combinação dos dois métodos: quando o ReAct não conseguia responder dentro de um número definido de etapas, recorria-se à cadeia de pensamento autoconsistente.
ReAct nos agentes modernos#
As atuais APIs de LLM integram a etapa de ação no próprio modelo através da chamada de funções: em vez de uma linha de texto, o modelo emite uma chamada estruturada a uma ferramenta; a aplicação executa-a e devolve o resultado, mantendo o mesmo ciclo de Pensamento-Ação-Observação. As ferramentas vão muito além da pesquisa e incluem execução de código, bases de dados, navegadores em agentes de interação com computadores e serviços expostos através do Protocolo de Contexto de Modelo (MCP). Na RAG agêntica, o agente decide quando e o que recuperar, em vez de recuperar uma única vez antes de gerar uma resposta. Como um agente atua com base no texto que lê, os sistemas ReAct herdam o risco de injeção de instruções através dos resultados das ferramentas; por isso, as permissões das ferramentas são limitadas e as ações de risco são muitas vezes executadas em sandboxes.
A funcionalidade Pergunta à IA da Ultralytics Platform AutoTrain atua através de ferramentas desta forma: executa comandos ul cloud da CLI da Platform para encontrar conjuntos de dados, iniciar execuções de treino, comparar modelos concluídos, exportá-los ou implementar um deles, e constrói a resposta com base nos resultados desses comandos.
ReAct vs. técnicas relacionadas#
- Instrução de cadeia de pensamento: Raciocina numa única passagem com base no conhecimento do próprio modelo, sem forma de verificar um facto a meio da resposta. O ReAct acrescenta ações que obtêm informações novas entre etapas de raciocínio.
- Encadeamento de instruções: O programador define no código a sequência de chamadas ao modelo. No ReAct, o modelo escolhe cada ação seguinte com base no que observou até então.
- Árvore de pensamentos (ToT): Pesquisa várias linhas de raciocínio candidatas e recua perante as mais fracas, sem interagir com um ambiente externo. O ReAct segue uma única linha, mas fundamenta-a em observações.
- Modelos de raciocínio: São treinados para desenvolver raciocínios longos antes de responder e, em muitos sistemas atuais, também chamam ferramentas entre etapas de raciocínio, integrando o ciclo ReAct no próprio modelo.










