Self-Refine：基于自反馈的迭代式优化

同一 LLM 生成答案、批评答案并在推理期迭代改写，无需训练或强化学习。跨 7 个任务平均提升 ~20%。

核心思想

单模型迭代”生成 → 批判 → 修正”闭环，无需外部训练数据、强化学习或权重更新。

三步循环

1. GENERATE：模型根据输入生成初始输出
2. CRITIQUE：模型分析自身输出，识别具体问题
3. REFINE：模型根据批判改进输出

输入 x → GENERATE → output_0
output_0 → CRITIQUE → feedback_0
(output_0, feedback_0) → REFINE → output_1
... 重复直到无改进或达到最大迭代

Benchmark 结果

跨 7 个任务（代码生成、数学推理、对话、情感翻转等）平均提升 ~20%。

局限性

• 改进幅度受模型初始能力限制
• 批判质量依赖 prompt 设计
• 多次迭代增加推理成本

关系网络

• Agent Symbolic Learning 的前身概念（结构化反传 vs 简单循环）
• Reflexion 的互补：Self-Refine 无记忆，Reflexion 引入跨 episode 记忆

← 返回研究图谱