ReAct 相比传统的链式思维（Chain-of-Thought）有哪些改进？

1. 从封闭推理到开放交互

链式思维（CoT）是一种纯内部的推理技术，模型在单次前向传播中生成中间推理步骤后直接输出答案。这种方式虽然在数学推理等封闭域任务上表现良好，但无法获取训练数据之外的信息。ReAct 在 CoT 的基础上引入了工具调用和环境反馈机制，将推理过程从"闭卷考试"升级为"开卷查阅"。

2. 幻觉率显著降低

根据原论文的失败模式分析，在 HotpotQA 任务中，CoT 方法有 56% 的失败案例源于幻觉（即模型基于错误的内部知识进行推理），而 ReAct 的幻觉率为 0%。这是因为 ReAct 的每一步推理都建立在实际检索到的信息之上，而非模型的参数记忆。

3. 性能对比数据

在 PaLM-540B 上的实验结果显示：

值得注意的是，ReAct 单独使用在 HotpotQA 上略低于 CoT，但在 FEVER 上超越了 CoT。最佳效果来自两者的混合策略，说明内部推理和外部检索应当根据任务特性灵活选择。