ReAct¶

本页实现 Thought → Action → Observation 的交替循环，并记录实际 reasoning/action 次数；不是把直接返回答案包装成 ReAct。

论文信息¶

字段	内容
论文链接	ReAct: Synergizing Reasoning and Acting in Language Models
公司 / 机构	Princeton University / Google Research
首次公开日期	2022-10-06
原作者代码	已开源
本地 adapter / CLI key	`react`
本地复现代码	`src/auto_research/agent_research/`

原始论文总结¶

背景与主要改动¶

纯 CoT 容易在封闭知识上幻觉，纯 action agent 又缺少计划与状态跟踪。ReAct 让模型交替生成自然语言推理和环境 action，再把 observation 放回下一步上下文，使推理可以纠错、行动可以获取外部事实。

flowchart LR
    Q["任务与当前 observation"] --> T["Thought：更新计划"]
    T --> A["Action：调用工具 / 环境"]
    A --> O["Observation：事实或状态"]
    O --> T
    T --> F["Final answer"]

原论文关键图¶

原论文 Figure 1（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式¶

\[ \tau=(o_0,t_1,a_1,o_1,\ldots,t_T,a_T,o_T),\qquad (t_i,a_i)\sim\pi_\theta(\cdot\mid o_{\le i-1},t_{<i},a_{<i}). \]

关键不是新 loss，而是把 reasoning trace 与可执行 action 统一进同一条轨迹。

论文离线与线上效果¶

论文在 ALFWorld、WebShop 上相对 imitation/RL baseline 的成功率分别绝对提升 34、10 个百分点，并在 HotpotQA/FEVER 通过 Wikipedia API 降低幻觉。没有生产线上 A/B 实验。

本地复现¶

ScaleMCP mini 固定 120 episodes、seed 42；每个 required tool 前执行一次 reasoning，随后记录 action/observation。

指标	ReAct
joint success	1.0000
average cost	3.0000
reasoning steps / actions	360 / 360

auto-research agent-eval --method react --benchmark scalemcp-mini \
  --episodes 120 --memory-size 24 --seed 42

稳定指标： classic-agent-mini-suites-seed42.json。

复现边界¶

保留交替 trace 和工具动作计数，但 observation 来自确定性 mini-suite；未调用 Wikipedia、WebShop 或付费 LLM，因此本地 1.0 只说明执行循环正确，不能对标论文。

统一 L2.1 隔离能力结果¶

在 toolroute-l2.1-v1 的隔离 test、60 episodes/seed、seeds 42/43/44 上，ReAct 的 joint success 为 0.6833、plan step F1 为 0.7683、故障恢复率为 0.6667。 Policy 接口不包含 reference answer/plan/route，也没有 guide；指标见 metrics/toolroute-l2-seeds42-44.json，统一口径见 L2.1 隔离能力评测。