反思式推理与 Self-Refine 方法有什么区别？

1. Self-Refine 的工作机制

Self-Refine 由 Madaan 等人于 2023 年提出，是最基础的自我修正框架。它让同一个 LLM 依次扮演三个角色：

• 生成器（Generator）：针对任务创建初始草稿
• 批判器（Feedback）：评估自身输出并提供具体的改进建议
• 精炼器（Refiner）：利用反馈重写输出

这个"生成-反馈-修正"的循环可以重复多次，平均在 7 类任务上实现了约 20 个百分点的性能提升。整个过程不需要额外训练、不需要外部工具，完全通过推理阶段的提示词控制。

2. 关键差异对比

反思式推理（特指 Reflexion 框架）与 Self-Refine 的核心区别体现在三个方面：

• 反思对象不同：Self-Refine 只修改答案本身，不反思推理过程；Reflexion 会深度复盘"为什么出错"的过程层面反思，并改进后续策略
• 工具调用能力不同：Self-Refine 不涉及外部工具调用，纯粹是文本层面的迭代优化；Reflexion 可以与工具和环境交互，在行动-观察循环中进行反思
• 记忆持久性不同：Self-Refine 的反思仅在当前任务的迭代中生效，任务完成后即丢弃；Reflexion 将反思写入情景记忆，跨任务和跨会话持续发挥作用

3. 选型建议

根据任务特性选择合适的反思方案：

• 任务简单明确、只需提升单次输出质量 → Self-Refine 足够
• 任务需要调用外部工具、涉及多步骤执行 → Reflexion 更合适
• 任务可重复执行且能从历史经验中受益 → Reflexion 的记忆机制带来额外价值
• 对延迟和成本高度敏感 → Self-Refine 更加轻量

在实际工程中，这两种方法经常被组合使用：Self-Refine 用于单轮输出的质量打磨，Reflexion 用于跨轮次的策略优化和经验积累。