自反思提示（Self-Refine）：让模型自己改自己

Self-Refine 是一种让大模型先产出初稿、再自我批评、再修订的提示策略。它把一次输出拆成「生成—反馈—修订」的循环，在代码、写作、推理等任务上往往能明显提升质量。该方法出自 Madaan 等人的工作（NeurIPS 2023，已核验）。

核心闭环

• 生成：让模型基于任务描述产出第一版答案。
• 反馈：让模型站在评审者角度指出问题，例如逻辑漏洞、语法错误、遗漏要点。
• 修订：让模型根据反馈重写，产出第二版。
• 迭代：可重复 1 到 3 轮，通常前两轮收益最大，之后边际递减。

与 CoT、ToT 的区别

• CoT 是在一次回答内分步推理，线性展开。
• ToT 是树状搜索，探索多条路径并回溯。
• Self-Refine 是单条路径的反复打磨：先写后改，靠自我评估收敛，不额外搜索。
• 三种方法可叠加使用，例如先 CoT 出方案，再 Self-Refine 打磨。

什么时候有效

• 代码与数学：初稿常有小错，反馈环节能定位到具体行。
• 写作润色：语气、结构、说服力的迭代改进明显。
• 有客观或可自检标准的任务收益更大；纯主观创作收益不稳定。

局限与注意

• 模型的自我批评能力是瓶颈：模型强，反思才有用；模型弱，往往自我感觉良好。
• 多次调用成本翻倍，需在质量与延迟之间取舍。
• 反馈阶段应给出明确评审维度，否则修订可能只是措辞变化。

小结

Self-Refine 用「先写再改」的闭环提升输出质量，简单、无需额外训练，但与 CoT/ToT 是互补关系。把它当作默认的多轮修订手段，在高质量任务上收益显著，同时留意成本与自我评估上限。

参考与延伸阅读

• Self-Refine: Iterative Refinement with Self-Feedback，NeurIPS 2023（已核验）
• 本站「思维树（ToT）」与「零样本提示」教程