Project report / GitHub evidence
self-refine
这是可索引项目报告证据页：它保留 self-refine 的源材料入口、机制线索和限制提醒；正文仍需 reader/editor 与 academic public-copy review 后才能当作最终结论引用。
self-refine
项目概览
- 仓库：madaan/self-refine
- Star / Fork：805 / 70
- 最近活跃：2024-10-04T21:06:28Z
- 主要语言：Python
- 许可证：Apache-2.0
- 中文摘要：Self-Refine 经典实现，用同一个 LLM 生成初稿、生成反馈、再根据反馈迭代精炼，无需训练或强化学习。
技术栈
Python
依赖与配置证据：
核心架构图（文字描述）
任务 / 环境 / Benchmark 输入 → 反馈-精炼 → 改进后的输出、代码、Prompt、记忆、策略或模型工件
目录结构信号
关键代码片段分析
- 轻量扫描未发现明显入口文件；可能是研究代码、脚本集合或文档驱动仓库。
实现方法提取
- 循环类型：反馈-精炼。
- LLM 交互模式：从依赖和源码命名推断，主要通过 Prompt 模板、LLM API 调用、评估反馈或记忆状态完成迭代。
- 反馈来源：可能来自单元测试、Benchmark 分数、模型自评、反思文本、运行错误或人工定义的 judge。
- 跨轮状态：候选代码、反思记忆、提示词/上下文、策略池、生成数据或模型训练工件。
与其他项目的对比
- 它代表“输出级反馈-精炼”范式，是许多后续 Agent 反思和代码演化框架的基础模式。
- 在 Landing Page 中建议标签：
反馈-精炼。