概述
SELF-REFINE 是一种迭代精炼技术：单个 LLM 生成输出 → 对输出提供反馈 → 精炼输出，如此循环直到质量达标。与 reflexion 不同，它用同一个 LLM 承担所有三个角色。
要点
流程
- 生成 — LLM 产生初始输出
- 反馈 — 同一个 LLM 对自己的输出进行批判
- 精炼 — LLM 根据反馈产生改进版本
- 重复 — 循环继续直到质量足够
核心特性
单个 LLM 处理生成、反馈和精炼——无需单独的评估模型。这比 Reflexion 等多角色框架更易部署。
与其他技术的关系
SELF-REFINE 与 reflexion 共享自反思精神，但更精简。两者在迭代改进结构上都类似于强化学习。
开放问题
- 模型通过自我反馈强化自身偏见的风险
- 何时停止精炼循环（停止准则）
- 多模型反馈是否优于自我反馈
证据时间线
- 2026-08-21: 从 Grootendorst 指南创建；引用 Madaan et al. (2023)