自我反思与纠错

怎么做

典型流程：模型产出一版结果 → 让模型（或另一个评审模型）对照要求逐条挑毛病 → 把批评意见连同原稿再喂回去，产出修订版，可重复若干轮。Reflexion 进一步把每次失败的“教训”以文字形式存下来，作为下一次尝试的额外上下文。

有效的前提

自我纠错在有外部信号时最可靠：能跑的测试、编译器报错、检索到的事实、明确的评分标准。当没有外部参照、只靠模型“再想想”时，研究（Huang et al. 2023）发现它经常无法真正改对，甚至把对的改错。因此实践中通常把反思和真实反馈（工具结果、测试）绑在一起用。

常见误解

• “让模型自查一遍”不等于可靠纠错——没有外部信号时收益有限。
• 反思轮数越多不一定越好，可能陷入反复改写而不收敛。

相关术语

参考来源

1. Shinn et al. — Reflexion: Language Agents with Verbal Reinforcement Learning (arXiv:2303.11366)
2. Madaan et al. — Self-Refine: Iterative Refinement with Self-Feedback (arXiv:2303.17651)
3. Huang et al. — Large Language Models Cannot Self-Correct Reasoning Yet (arXiv:2310.01798)