Unverified50% confidenceBenchmarkExact time
实验表明ReAct在需要多步检索的问答任务中显著优于纯推理或纯行动基线，但代价是Token消耗的线性增长
1
Sources
50%
Confidence
Long-term
Relevance
7/14/2026
First Seen
Sources
Related Claims
UnverifiedReAct的线性思考-行动循环在需要并行探索多条路径的任务时效率低下，且每步推理的Token消耗累积导致长任务计算成本呈二次方增长81% similarUnverifiedReAct相较纯CoT在知识密集型任务（多跳问答、实时信息检索）上表现显著更优，而在纯逻辑推理任务上差异相对较小78% similarUnverifiedReasoning Effort档位越高，模型可消耗的思考Token上限越大，但延迟和Token成本相应线性乃至超线性增长75% similarUnverifiedSelf-Consistency技术通过多次采样生成不同推理路径取最一致答案，代价是推理成本随采样次数线性增加74% similarUnverifiedReAct方法在需要多步信息检索、代码执行或数据库查询的复杂任务中比纯CoT方法准确率高出约34%73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/508232API
curl https://kongchang.com/api/v1/knowledge/claims/508232MCP
get_claim(id=508232)