导读:近期更新了《LLM_reasoning》的相关内容,包括《ReAct框架源码解析:Reason和Act循环的内部实现逻辑到底是什么?》、《提示词工程中的思维链CoT如何让AI一步步思考解决复杂数学与逻辑问题》。如果 LLM_reasoning 对你有帮助,请转发和分享本内容。知识因分享而拥有更大能量,感谢您成为这传播链条中的重要一环。
ReAct框架源码解析:Reason和Act循环的内部实现逻辑到底是什么? 大模型智能体常卡在“只会想不会做”或“乱做不想”的尴尬里。ReAct把推理与行动拧成一股绳,靠循环让模型先吐思考再调工具。剖开源码能看到,核心是一个带状态机的while循环:每轮向LLM发含历史与观察的提示,解析出Thought与Action,执行后把结果回填。弄懂这套机制,才能自己改暂... 栏目:AI智能体 时间:08-18 React agent_loop LLM_reasoning
提示词工程中的思维链CoT如何让AI一步步思考解决复杂数学与逻辑问题 直接让大语言模型回答多步推理题,往往会在中间步骤出错然后给出错误答案。思维链提示法要求模型在输出最终结果前,先写出逐步推导过程,把隐式推理显式化。这种方法不需要微调模型权重,仅靠改变输入提示结构就能显著提升算术、常识与符号推理的准确率。本文从底层机制讲起,说明... 栏目:AI社区 时间:08-17 prompt_engineering chain_of_thought LLM_reasoning