AI：探讨大模型领域最新算法SOTA进展

GPT-4的智能思维逐渐向人类靠拢。人类在犯错时会进行自我反思，以避免再次犯错。如果GPT-4等大型语言模型也具备这种反思能力，其性能将会大幅提升。

众所周知，大型语言模型（LLM）在各种任务上已取得了前所未有的性能。然而，这些最先进技术（SOTA方法）通常需要微调模型、优化策略等操作，来适应已定义的状态空间。由于缺少高质量的训练数据和定义良好的状态空间，模型的优化仍然具有挑战性。此外，这些模型还没有像人类那样具备从误差中学习的能力。

然而，最近一篇论文提出了一种名为Reflexion的方法，由美国东北大学、MIT等机构的研究者提出。这一方法赋予智能体动态记忆和自我反思的能力。研究评估了智能体在AlfWorld环境中完成决策任务的能力，以及在HotPotQA环境中完成知识密集型基于搜索的问答任务。在这两项任务中，其成功率分别为97%和51%。

在AlfWorld环境中，智能体需要制定推理计划来获得特定物品。在下图所示的情景中，智能体由于计划低效而失败。通过反思，智能体意识到了错误的原因。