Pre-Action: Enhancing the Performance of Large Language Model Agents through Multi-Step Planning and Reasoning

本研究针对当前大语言模型（LLM）在复杂推理任务中表现不佳的问题，提出了一种新颖的方法“预行动”，通过制定多步骤执行计划和详细推理来提高代理性能。实验结果表明，该方法在行动准确性和目标完成率上显著优于GPT-4，展现了在实际应用中提升小型模型性能的潜力。

本研究提出了一种“预行动”方法，旨在提升大语言模型在复杂推理任务中的表现。实验结果表明，该方法在行动准确性和目标完成率上显著优于GPT-4，显示出提升小型模型性能的潜力。

GPT-4 agents model performance 复杂推理大语言模型性能提升预行动