当前位置: 首页 > article >正文

大语言模型提示词工程 - ReACT 推理模式

使用大语言模型最困难的事情是让它们做你希望它们做的事情。在一篇知名的 ReACT 研究论文《SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS》中,作者提出了以下的观点:

在人类从事一项需要多个步骤的任务时,而步骤和步骤之间,或者说动作和动作之间,往往会有一个推理过程。

我们以开车为例,在开车之前,我们会检查汽车的油箱或者电池情况,以便汽车后续不会因为没有油而导致无法使用。当然,这个“检查的动作”是我们下意识的心理状态。有时候并不会直接讲出来。而此篇论文的作者提出一个方法:

让 LLM 把心理状态说出来,然后再根据心理状态做相应的动作,来提高 LLM 答案的准确性。

在这句话中,我们可以发现两个关键词:

  1. 推理(Reasoning),如果给出推理过程,大模型给出的答案会更好。
  2. 行动(Acting), 在环境中采取行动,并观察结果,反复思考。(有点像调试代码的过程)

他们所做的基本上就是将思维方式从单纯的标准式的通过思维链的提示提升到现在能够有原因的追踪和行动。

实现原理

Reason + Action 结合之后:

  1. 通过推理增强大语言模型解决方案的输出能力。
  2. 执行完成之后将观察带回到语言模型中进行反馈,完善推理。
  3. 所以会获得多步骤的思维方式,不仅仅是一次。直到达成目标为止

应用场景

想象一下,如果大模型能够很好的完成ReAct,即推理+行动的过程。那么就代表大语言模型是无所不能的。当然目前的大模型还没有聪明到这个地步。但是仍然有一些非常好用的应用场景。比如现在很多企业的智能助理,医疗系统的智能助理等等,都是基于此设计原理。

实践应用

通过 LangChain 或者 ChatGPT 的官方 assistant 的 tools 都有利用到 ReaACT 的原理。在后续的课程中会有更深入的实战应用。比如打造企业专属人工智能助理。

送您一份软件测试学习资料大礼包

推荐阅读

软件测试学习笔记丨Pytest配置文件
测试开发实战 | Docker+Jmeter+InfluxDB+Grafana 搭建性能监控平台
技术分享 | app自动化测试(Android)–元素定位方式与隐式等待
软件测试学习笔记丨Mitmproxy使用
软件测试学习笔记丨Chrome开发者模式
软件测试学习笔记丨Docker 安装、管理、搭建服务
软件测试学习笔记丨Postman基础使用
人工智能 | 阿里通义千问大模型
软件测试学习笔记丨接口测试与接口协议
软件测试学习笔记丨Pytest的使用

推荐学习

【霍格沃兹测试开发】7天软件测试快速入门带你从零基础/转行/小白/就业/测试用例设计实战

【霍格沃兹测试开发】最新版!Web 自动化测试从入门到精通/ 电子商务产品实战/Selenium (上集)

【霍格沃兹测试开发】最新版!Web 自动化测试从入门到精通/ 电子商务产品实战/Selenium (下集)

【霍格沃兹测试开发】明星讲师精心打造最新Python 教程软件测试开发从业者必学(上集)

【霍格沃兹测试开发】明星讲师精心打造最新Python 教程软件测试开发从业者必学(下集)

【霍格沃兹测试开发】精品课合集/ 自动化测试/ 性能测试/ 精准测试/ 测试左移/ 测试右移/ 人工智能测试

【霍格沃兹测试开发】腾讯/ 百度/ 阿里/ 字节测试专家技术沙龙分享合集/ 精准化测试/ 流量回放/Diff

【霍格沃兹测试开发】Pytest 用例结构/ 编写规范 / 免费分享

【霍格沃兹测试开发】JMeter 实时性能监控平台/ 数据分析展示系统Grafana/Docker 安装

【霍格沃兹测试开发】接口自动化测试的场景有哪些?为什么要做接口自动化测试?如何一键生成测试报告?

【霍格沃兹测试开发】面试技巧指导/ 测试开发能力评级/1V1 模拟面试实战/ 冲刺年薪百万!

【霍格沃兹测试开发】腾讯软件测试能力评级标准/ 要评级表格的联系我

【霍格沃兹测试开发】Pytest 与Allure2 一键生成测试报告/ 测试用例断言/ 数据驱动/ 参数化

【霍格沃兹测试开发】App 功能测试实战快速入门/adb 常用命令/adb 压力测试

【霍格沃兹测试开发】阿里/ 百度/ 腾讯/ 滴滴/ 字节/ 一线大厂面试真题讲解,卷完拿高薪Offer !

【霍格沃兹测试开发】App自动化测试零基础快速入门/Appium/自动化用例录制/参数配置

【霍格沃兹测试开发】如何用Postman 做接口测试,从入门到实战/ 接口抓包(最新最全教程)


http://www.kler.cn/a/460808.html

相关文章:

  • 虚拟机中的时统卡功能和性能调优
  • OpenStack的核心组件、主要特点和使用场景
  • 开源架构的容器化部署优化版
  • Leetcode 3405. Count the Number of Arrays with K Matching Adjacent Elements
  • 【网络安全 | 漏洞挖掘】硬编码凭据泄露实现支付系统账户接管
  • CertiK《Hack3d:2024年度安全报告》(附报告全文链接)
  • [.闲于修.]Autosar_UDS_笔记篇_ISO14229-1
  • odoo17 4模型视图理解
  • 小程序组件 —— 21组件案例演示 - 划分页面结构
  • 小米自研vela系统kvdb数据库的使用(一)
  • 微信小程序Uniapp
  • 基于Spark的共享单车数据存储系统的设计与实现_springboot+vue
  • UniApp 状态管理:Vuex 在 UniApp 中的实践
  • 【Linux】linux 清空文件内容命令和方法
  • 2024年总结与展望
  • 汽车打气泵方案|智能充气泵工作原理
  • vulnhub ica1
  • 论文略读: TransTab: Learning Transferable Tabular Transformers Across Tables
  • Datawhale AI冬令营(第二期)动手学AI Agent task2--学Prompt工程,优化Agent效果
  • 7个国内框架 Agent应用
  • Qt 教程全集目录公布(方便查阅2024)
  • 前端Python应用指南(八)WebSocket与实时应用:用Flask和Django实现聊天系统
  • Java中实现对象的深拷贝(Deep Copy)
  • LeetCode 3219.切蛋糕的最小总开销 II:贪心——先切贵的
  • 计算机毕业设计Hadoop+Spark美团美食推荐系统 美团餐厅推荐系统 美团推荐系统 美食价格预测 美团爬虫 美食数据分析 美食可视化大屏
  • Android Studio 安装教程