AI가 여행지의 현재 운영 시간을 묻는 질문에 머릿속 지식만 이어 붙이면 오래된 정보로 그럴듯한 답을 만들 수 있습니다. 검색만 연속 실행하면 무엇을 확인해야 하는지 방향을 잃을 수 있습니다. Yao와 동료들의 ReAct는 언어모델이 생각에 해당하는 추론 흔적, 환경에 보내는 행동, 돌아온 관찰을 번갈아 생성하도록 제안했습니다. 추론이 다음 행동을 정하고 관찰이 계획을 수정하게 만드는 구조입니다.
연구를 읽는 두 가지 질문
어떤 모델과 과제에서 비교했나?
2022년 최초 공개되고 2023년 ICLR 게재용 v3로 개정된 논문은 PaLM-540B를 중심으로 HotpotQA·FEVER 질문응답과 사실검증, ALFWorld·WebShop 상호작용 과제를 평가했습니다. ReAct는 몇 개의 예시 궤적을 프롬프트로 주어 생각·행동·관찰을 교차 생성하게 했습니다. 질문응답에서는 위키피디아 API, 상호작용 과제에서는 환경의 허용 행동을 사용했습니다. [1]
결과를 어떻게 읽어야 하나?
원문은 ReAct가 생각만 이어가는 방식의 환각과 오류 전파를 줄이고, 행동만 생성하는 방식보다 계획을 추적하기 쉽게 했다고 보고합니다. ALFWorld와 WebShop에서는 비교한 모방·강화학습 기준보다 절대 성공률이 각각 34%포인트와 10%포인트 높았다고 초록에 명시합니다. 모든 과제에서 항상 최고였다는 뜻은 아니며, 검색 결과의 품질·도구 인터페이스·프롬프트 예시에 성능이 의존합니다. [1]
도서관 운영 시간을 확인하는 세 전략
아래 활동은 실제 언어모델이나 검색 API를 호출하지 않습니다. ‘생각만’, ‘행동만’, ‘생각-행동-관찰 교차’ 전략을 고르고 운영 시간 변경 여부를 켜 보세요. 교육 모형은 외부 관찰을 읽었는지, 계획을 수정했는지, 답의 근거를 추적할 수 있는지를 표시합니다.
운영 시간이 바뀌지 않은 쉬운 환경에서는 생각만으로도 우연히 맞을 수 있습니다. 변경을 켜면 저장된 지식만 사용한 답은 최신 상태를 검증하지 못합니다. 교차 전략은 먼저 확인할 항목을 정하고 검색 행동을 실행한 뒤 관찰된 시간을 반영해 답을 갱신합니다.
관찰이 있다고 진실이 자동 보장되지는 않습니다. 잘못된 웹페이지, 도구 오류, 질문과 맞지 않는 검색어가 들어오면 추론 경로도 틀릴 수 있습니다. 따라서 행동 기록과 출처, 관찰 시각, 최종 답의 연결을 함께 검수해야 합니다.
전략과 환경 변화를 바꾸어 검증 경로를 비교하세요
실제 AI나 검색 도구를 호출하지 않습니다. 전략과 환경 상태를 바꾸어 관찰·계획 수정 여부를 비교하세요.
| 경로 | 외부 관찰 | 계획 수정 | 최신 상태 확인 |
|---|---|---|---|
| 생각 → 검색 → 관찰 → 계획 수정 → 답 | 2회 | 예 | 가능 |
현재 경로에는 최신 상태를 확인할 단계가 있습니다.
어디까지 말할 수 있을까요?
- 논문의 수치는 2022~2023년의 PaLM-540B와 지정 벤치마크·도구 조건에 관한 것입니다. 현재의 모든 언어모델이나 운영 에이전트로 일반화할 수 없습니다.
- 아래 활동은 고정 규칙의 교육 모형이며 실제 AI 추론·검색·API 호출을 수행하지 않습니다. 성공 표시는 원 논문의 성능 재현값이 아닙니다.
원문에 근거한 한계와 LTCT의 적용 범위 검토입니다. [1]
교육 현장과 연결해 보면
AI 보조 논증 활동에서 ‘생각-자료 요청-관찰-수정 결론’을 서로 다른 상자로 기록하게 하면 외부 근거가 어느 주장에 쓰였는지 평가할 수 있습니다.
자동 해설을 검수할 때 도구 호출 성공만 보지 않고, 관찰 내용이 계획을 실제로 바꾸었는지와 최종 답이 관찰에서 따라오는지를 별도 항목으로 확인할 수 있습니다.
추론 흔적이 길고 도구를 여러 번 쓰면 더 믿을 만한 답일까요?
생각을 비교할 해설 펼치기
길이와 호출 수는 정확성의 보증이 아닙니다. 핵심은 필요한 질문을 행동으로 옮겼는지, 관찰이 신뢰할 만한지, 새 정보가 계획과 결론에 올바르게 반영됐는지입니다. 짧아도 충분한 경로가 있고 길어도 같은 오류를 반복하는 경로가 있습니다.
원문과 출처 정보
한국어 제목은 이해를 돕기 위한 LTCT 번역입니다. 한글 제목 뒤 괄호에 원제를 함께 표기했습니다. 저자·학술지·원문 버전은 원문 서지정보를 기준으로 확인할 수 있습니다.
리액트: 언어모델에서 추론과 행동의 결합 (ReAct: Synergizing Reasoning and Acting in Language Models)
Shunyu Yao, Jeffrey Zhao, Dian Yu, Nan Du, Izhak Shafran, Karthik Narasimhan & Yuan Cao (2023). International Conference on Learning Representations (ICLR 2023).
- 자료 성격
- 국제 학회 논문 · 공개 전문
- 읽은 버전
- arXiv v3, 2023-03-10 ICLR camera-ready; v1 2022-10-06
- 확인 범위
- v3 공개 본문 전체, 방법, PaLM-540B, 네 과제, 표와 오류 분석, 한계 및 개정 이력 확인
- 원문 확인일
이 글은 한국어 해설이며 원문 전문 번역이 아닙니다. 도식과 활동의 제작·재구성 범위는 각 그림과 본문에 표시했습니다. 자료 선정과 출처 기준
같은 연구 흐름에서 이어 읽기
같은 원문, 저자·연구 흐름, 공통 개념 태그를 기준으로 연결한 관련 해설입니다.