本次查询：Self-Refine
中文解释：自我精炼
常见场景：大模型推理增强
一句话解释
Self-Refine是一种让AI语言模型在生成回答后，通过自我批评和反复迭代来修正错误或改进输出的技术。它不需要额外训练数据，模型只需运行多轮自我评估与修改的循环即可提升质量。
为什么会被关注
传统模型输出一次定稿，容易隐含逻辑错误或事实偏差。Self-Refine让模型拥有“自我纠错”能力，能像人类写作者一样反复检查并完善答案。这种能力显著提升了生成内容在数学推理、代码、文案等任务中的准确性和可用性，因此迅速成为大模型优化领域的研究热点。
核心逻辑
Self-Refine的核心循环包括三个步骤：初始输出、自我反馈、精炼修改。模型先生成一个初步结果，然后对自己进行批评（如指出矛盾点或遗漏），最后根据批评修改输出。这个过程可重复多轮，每轮都改善质量，直到满足预设的停止条件或达到最大轮次。
常见场景
在代码生成中，模型输出后可自检语法或逻辑错误并修复；在数学推理中，模型能验证计算步骤并修正；在文案写作中，可优化文笔、避免重复；在问答系统中，可检查事实不一致之处。Self-Refine尤其适用于需要高精准度的任务，且部署时无需额外微调成本。
容易混淆的点
Self-Refine不同于Fine-tuning或RLHF：它不改变模型参数，只在推理阶段进行多轮自我对话。它也不同于Chain-of-Thought（思维链），后者通过逐步推理提升答案质量，而Self-Refine则是通过批评和修正来迭代改进。两者可结合使用：先用CoT得到初步解答，再用Self-Refine自我改进。