表示
超・人工知能研究所 Super AI Research Lab トップへ超・人工知能研究所AI Research Lab / ぱそ太郎工事中

since
平成38年9月29日

← 検索結果に戻る

考えてから操作し、結果を見て考え直すReAct

ReAct

保存した記事を見るこのブラウザに保存します。無料会員で端末間の同期・フォルダ整理
著者の公式図・デモ

推論、行動、観測を繰り返すReActの基本構造。

出典:Shunyu Yao et al. / ReAct ↗

概要

  • 考え・行動・観測を繰り返し、外部情報を使って次の操作を決める。
  • WebShopでは著者らの報告で成功率40.0%となり、操作のみの30.1%を上回った。
  • HotpotQAでは単独のReActがCoTを下回り、課題によって組み合わせが有効だった。
補足:編集した模式図で仕組みを確認する

VISUAL EXPLAINER

図でつかむ、ReActの仕組み

左から右へ読む
  1. 01ユーザーの課題
  2. 02次に必要なことを推論
  3. 03検索などのツールを実行
  4. 04結果を観察して次の推論へ

たとえば検索結果を見て、足りない情報を判断し、追加の検索や回答へ進む。

もともとの課題・処理

頭の中の推論だけ、または行動だけでは、外部情報を利用した修正が難しい。

この研究のアプローチ

推論・行動・観察を交互に行う。

原論文の説明をもとにした模式図です。処理の細部は省略しています。

研究の背景

言語モデルが自分の知識だけで順を追って考えると、途中の思い違いが後の答えに引き継がれることがある。外部の情報源を操作できても、何を調べるかを整理できなければ無駄な操作や見落としが起こる。

ReActが扱うのは、この二つをつなぐ問題である。調べる理由を言葉にし、検索などの結果を見て計画を更新する流れは、資料調査や画面操作を伴う業務にも関係する。

手法

ReActでは、モデルが「考え」を文章で書き、続けて検索などの「行動」を指定し、環境から返る「観測」を受け取る。この三つを繰り返す。例えば二つの人物の経歴をたどる質問なら、まず片方の人物を調べ、見つけた事実から次に調べる対象を決める。考えは外部環境を変えないが、次の操作を選ぶための作業メモになる。

論文の質問応答では、Wikipediaの検索、ページ内の語句確認、回答確定という操作を用いた。対話的な課題では、モデルが進捗や例外を言葉で整理しながら行動を続ける。最終出力は質問への答え、または環境内で完了した操作であり、その途中には考え・行動・観測の履歴が残る。

新規性

ReActは、言語モデルによる推論の記録と外部への操作を一つの作業履歴の中で交互に扱う手法である。推論文は次に何を調べるか、どこまで進んだかを整理し、操作から返る観測結果はその推論を更新する材料になる。

著者らは質問応答、事実検証、文章で操作するゲーム、ウェブサイト操作という異なる課題で、この組み合わせを評価した。対話的な作業では、必要な場面にだけ推論文を挟む設計も使う。

従来手法との違い

比較された方法には、回答を直接作る方式、外部操作なしで推論文を続けるCoT(思考の連鎖)、推論文なしで操作だけを続ける方式がある。ReActは操作から得た情報で推論を更新でき、推論文で次の操作の目的を明らかにできる。

ただし、すべての課題で単独のReActが最良だったわけではない。HotpotQAの正答率はReActが27.4%、CoTが29.4%で、両方式を組み合わせた設定がさらに高かった。外部情報の取得方法と推論の進め方の両方が結果に影響する。

実験結果

著者らはHotpotQAの質問応答、FEVERの事実検証、ALFWorldの文章による家庭内操作、WebShopの商品選択で評価した。PaLM-540Bを使うHotpotQAでは完全一致率がReActで27.4%、操作のみで25.7%、CoTで29.4%。FEVERの正答率はReActが60.9%、CoTが56.3%だった。

ALFWorldの134課題では、最良のReAct試行の成功率が71%、操作のみが45%。WebShopの500件の試験指示ではReActが40.0%、操作のみが30.1%だった。著者らは、対話的な二課題で模倣学習や強化学習による比較法も上回ったと報告する。

応用の可能性

編集上の応用案 · 論文が実証した用途とは区別しています。

編集上の応用案:社内の製品仕様を調べる支援窓口で、「二つの製品の対応条件は同じか」という質問を入力する。エージェントは必要な仕様項目を言葉で整理し、文書検索を実行し、得た記述を照合して回答と参照箇所を出力する。

担当者は操作履歴を見て、検索語の選び方や結論に至る根拠を確認する。検索結果が空だった場合は結論を急がず、別の項目名で調べ直す手順を設ける。

応用先の候補からNauhに相談できます。

導入時の検証

導入時の検証案 · 対象データでの再評価が必要です。

導入時の検証案:社内資料で答えを確かめられる質問を選び、同じモデルと検索環境で、操作のみの方式とReAct型の考え・操作・観測の方式を比べる。質問の難しさが偏らないよう、複数文書を照合する課題も含める。

正答率、根拠を示せた割合、検索回数、空の検索結果から回復した割合、回答までの操作数を測る。担当者が履歴を読み、考えに書かれた事実が実際の観測と一致しているかも確認する。

限界と課題

著者らは、ReActが同じ考えや操作を繰り返して行き詰まること、役立たない検索結果から回復しにくいことを報告した。HotpotQAの人手分析では、ReActの失敗例の23%が検索結果の問題に分類された。外部情報を使えること自体は、正答の保証ではない。

編集上の確認事項は、操作の上限を超えたときの扱い、検索結果が不十分な場合の再検索、推論記録と実際の根拠の一致である。履歴が読みやすくても、答えの正確さは別途確かめる必要がある。

応用先の候補
研究内容と応用案に基づく分類です。業界での導入実績を示すものではありません。

出典

元のタイトル・要旨を確認する(英語)

ReAct: Synergizing Reasoning and Acting in Language Models

While large language models (LLMs) have demonstrated impressive capabilities across tasks in language understanding and interactive decision making, their abilities for reasoning (e.g. chain-of-thought prompting) and acting (e.g. action plan generation) have primarily been studied as separate topics. In this paper, we explore the use of LLMs to generate both reasoning traces and task-specific actions in an interleaved manner, allowing for greater synergy between the two: reasoning traces help the model induce, track, and update action plans as well as handle exceptions, while actions allow it to interface with external sources, such as knowledge bases or environments, to gather additional information. We apply our approach, named ReAct, to a diverse set of language and decision making tasks and demonstrate its effectiveness over state-of-the-art baselines, as well as improved human interpretability and trustworthiness over methods without reasoning or acting components. Concretely, on question answering (HotpotQA) and fact verification (Fever), ReAct overcomes issues of hallucination and error propagation prevalent in chain-of-thought reasoning by interacting with a simple Wikipedia API, and generates human-like task-solving trajectories that are more interpretable than baselines without reasoning traces. On two interactive decision making benchmarks (ALFWorld and WebShop), ReAct outperforms imitation and reinforcement learning methods by an absolute success rate of 34% and 10% respectively, while being prompted with only one or two in-context examples. Project site with code: https://react-lm.github.io

論文本体の取得範囲に基づく解説。AIが作成した未校閲の記事です。性能の数値は著者の評価条件に依存します。応用例と検証計画は編集上の提案です。解説更新:2026-09-29