인공지능(AI)가 행동을 계획했다면 실제로 한 일도 확인된 걸까?
ReAct는 추론과 외부 행동을 엮는 방식을 제안했습니다. 계획 문장, 실행 요청, 실제 관찰을 나누면 긴 작업에서 어디까지 확인되었는지 읽을 수 있습니다.
ReAct: Synergizing Reasoning and Acting in Language Models
개별 글보다 주제 전체를 따라 읽고 싶다면 대표 글과 연관 자료를 함께 보세요.
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
ReAct는 추론과 외부 행동을 엮는 방식을 제안했습니다. 계획 문장, 실행 요청, 실제 관찰을 나누면 긴 작업에서 어디까지 확인되었는지 읽을 수 있습니다.
ReAct: Synergizing Reasoning and Acting in Language Models
대규모 언어모델의 자동 형식화는 일부 문제를 완전한 Isabelle 명세로 바꾸고 증명 학습을 개선했지만 번역 검증이 병목입니다.
Autoformalization with Large Language Models
PrOntoQA 분석은 개별 추론 정확성과 여러 갈래에서 목표 경로를 찾는 증명 계획을 분리합니다.
Language Models Are Greedy Reasoners: A Systematic Formal Analysis of Chain-of-Thought
ACL 2025 연구는 일곱 언어모델의 논증 유형 분류를 비교하며, 생략된 전제가 있는 엔티밈과 작은 모델에서 어려움이 커짐을 보였습니다.
Can Large Language Models Understand Argument Schemes?
Jiang 등은 488개 miniF2F 문제에서 비형식 풀이→형식 스케치→자동 증명의 세 단계를 결합해 Isabelle 검증 성공률을 높였습니다.
Draft, Sketch, and Prove: Guiding Formal Theorem Provers with Informal Proofs
111–115 / 193편