概述
自我优化是一种提示技术，语言模型会批评自己的输出并重写它，循环直到答案得到改善。这很重要，因为模型通常可以发现并修复自己的错误，而无需任何额外的培训或人工反馈。
自精炼迭代输出改进是用于大规模阅读、生成、分类和转换文本和语音的语言人工智能堆栈的一部分。
深入探讨
Madaan 及其同事于 2023 年推出的 Self-Refine 运行相同的模型，扮演三个角色：生成者、批评者和修订者。首先，模型产生一个初始答案。然后，系统会提示对该答案提供具体的、可操作的反馈（例如，“此代码缺乏错误处理”或“此摘要错过了成本数字”）。最后，它使用该反馈重写答案。重复该循环，直到模型确定输出足够好或达到步长限制。至关重要的是，不需要额外的培训、奖励模型或外部工具，只需巧妙的提示即可。在代码优化、对话和情感重写等任务中，该循环比单次生成显着提高了质量。
技术洞察
关键机制是使用模型作为自己的反馈预言机。生成和批评使用不同的提示，因此该模型从新的框架进行评估，而不是捍卫其初稿。反馈必须具体且可操作，而不仅仅是“让它变得更好”，因为模糊的批评会产生模糊的编辑。反馈完整的历史记录（草稿加上所有反馈），为修订者提供背景信息。当模型真正能够检测并修复缺陷时，收益最大。
掌握自我完善迭代输出改进
自我优化是一种提示技术，语言模型会批评自己的输出并重写它，循环直到答案得到改进。这很重要，因为模型通常可以发现并修复自己的错误，而无需任何额外的培训或人工反馈。自精炼迭代输出改进是用于大规模阅读、生成、分类和转换文本和语音的语言人工智能堆栈的一部分。为了建立深入的理解，请将自我完善迭代输出改进视为一种操作模型，而不是单一功能：定义所需的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，强大的团队使用自我完善迭代输出改进设计提示、检索和审查循环作为一个集成的通信系统。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
语言工作流程可以在不牺牲一致性的情况下更快地移动。与此同时，幻觉事实可以悄悄地进入报告、支持流程或研究成果。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
语言工作流程可以在不牺牲一致性的情况下更快地移动。
语言工作流程可以在不牺牲一致性的情况下更快地移动。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
它扩展了跨语言和沟通方式的访问。
它扩展了跨语言和沟通方式的访问。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
团队可以花更多时间进行判断，而自动化则可以处理重复。
团队可以花更多时间进行判断，而自动化则可以处理重复。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
通过使模型标记缺少边缘情况来改进生成的代码，然后重写函数来处理它们
通过自我批评的语气和清晰度完善电子邮件草稿或论文草稿，然后针对目标受众进行修改
通过检查每个步骤并纠正算术错误来优化数学或推理问题的答案
完善客户支持回复，使其直接解决用户的问题，而不是给出通用的回复
实施模式
实践中的自我完善迭代输出改进
通过让模型标记缺少边缘情况来改进生成的代码，然后重写函数来处理它们。
通过让模型标记缺失的边缘情况来改进生成的代码，然后重写函数来处理它们。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
实践中的自我完善迭代输出改进
通过自我批评的语气和清晰度来润色电子邮件或文章草稿，然后针对目标受众进行修改。
通过自我批评的语气和清晰度来润色电子邮件或文章草稿，然后针对目标受众进行修改当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力提升和错误成本时，通常会得到更好的结果。
实践中的自我完善迭代输出改进
通过检查每个步骤并纠正算术错误来优化数学或推理问题的答案。
通过检查每个步骤并纠正算术错误来优化数学或推理问题的答案当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
实践中的自我完善迭代输出改进
完善客户支持回复，使其直接解决用户的问题，而不是给出一般性答复。
完善客户支持回复，使其直接解决用户的问题，而不是给出通用的响应。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会得到更好的结果。
风险与防护栏
幻觉的事实可以悄悄地进入报告、支持流程或研究成果。
及时的敏感性可能会在类似的请求中产生不一致的结果。
如果访问控制薄弱，敏感文本数据可能会暴露。
实施路线图
在推出之前定义输出格式、语气和质量标准。
在推出之前定义输出格式、语气和质量标准。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
当准确性很重要时，请使用可信来源进行地面响应。
当准确性很重要时，请使用可信来源进行地面响应。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
为高风险输出保留人工审查检查点。
为高风险输出保留人工审查检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪故障模式并定期重新训练提示或工作流程。
跟踪故障模式并定期重新训练提示或工作流程。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。