--- title: "Self-Refine Prompting (BG)" source: "https://systems-analysis.info/int/Self-Refine_Prompting_(BG)" wiki: "systems-analysis.info/int" article: "Self-Refine_Prompting_(BG)" language: "bg" categories: - "Category:Bulgarian" - "Category:Large language models" - "Category:Machine learning" - "Category:Prompt engineering" revision_id: 6605 wiki_created_at: 2026-09-07T00:07:31Z wiki_modified_at: 2026-09-07T00:07:31Z downloaded_at: 2026-09-07T23:14:48Z --- # Self-Refine Prompting (BG) **Self-Refine** (**самоуточняване** или **самокорекция**) — това е подход в областта на prompt engineering, който позволява на големите езикови модели (LLM) итеративно да подобряват генерирания отговор въз основа на собствената си обратна връзка[\[1\]](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_note-madaan2023-1). Идеята е предложена от група изследователи под ръководството на Аман Мадаан през 2023 година и се основава на наблюдението, че подобно на човека, езиковите модели не винаги генерират най-добрия резултат от първия опит. При този метод един и същ LLM последователно изпълнява три роли: 1. **Генератор (Generator)**: създава първоначален чернови отговор на заявката. 2. **Критик (Feedback)**: оценява собствения си отговор и предоставя конструктивна обратна връзка. 3. **Редактор (Refiner)**: използва тази обратна връзка, за да създаде подобрена версия на отговора. Този итеративен цикъл „генерация → обратна връзка → подобрение" може да се повтаря няколко пъти, докато не бъде достигнато необходимото качество или не се изпълни условието за спиране. Важно е, че Self-Refine не изисква допълнително обучение на модела, fine-tuning или външни данни — целият процес се управлява изключително чрез prompt-и на етапа на извод (*inference*)[\[1\]](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_note-madaan2023-1). ## Механизъм на реализация Методът Self-Refine се реализира чрез последователност от специално конструирани prompt-и, които насочват поведението на модела. 1. **Начална генерация**. Моделът получава изходния prompt и генерира чернови отговор. 2. **Създаване на обратна връзка**. Моделът получава инструкция да анализира собствения си предишен отговор и да открие недостатъците му. Например, той може да отбележи, че отговорът е недостатъчно подробен или съдържа логическа грешка. Резултатът е текстова обратна връзка с конкретни забележки и препоръки. 3. **Итеративно подобрение**. Моделът получава като нов prompt изходната заявка, своя първоначален отговор и генерираната обратна връзка. Въз основа на това той създава подобрена версия на отговора. Този двустъпков цикъл „критика → редакция" може да се изпълнява няколко пъти. В контекста на всяка нова итерация се включват предишните варианти на отговора и коментарите, което помага на модела да избягва повторението на грешките[\[2\]](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_note-selfrefine_info-2). За управление на поведението на модела често се използват техники за *few-shot prompting*, при които в prompt-а се включват примери за желания формат на обратната връзка и корекциите. ## Ефективност и приложение Методът Self-Refine демонстрира своята ефективност при редица задачи, изискващи многократно уточняване, като: - Генериране на диалогови отговори. - Творческо продължение на история. - Решаване на математически задачи чрез стъпково разсъждение. - Оптимизация на програмен код. В оригиналното изследване отговорите, получени с помощта на Self-Refine, средно са с **~20%** по-предпочитани според оценките на хора и автоматични метрики в сравнение с еднократната генерация[\[1\]](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_note-madaan2023-1). Подобрението се постига дори при най-съвременните модели, като GPT-4, което показва, че дори на мощните LLM често им липсва само допълнителна стъпка на размишление, за да коригират собствените си грешки. Сходни подходи, като **RCI** (Recursive Criticism and Improvement), също демонстрират висока ефективност при интерактивни задачи, например при управление на компютър и решаване на логически задачи. Съчетаването на RCI с техниката „верига от мисли" (Chain-of-Thought) даде синергетичен ефект, като значително подобри способността на модела да решава сложни проблеми благодарение на вградената стъпка на самопроверка[\[3\]](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_note-kim2023_rci-3). ## Ограничения и текущи изследвания Независимо от обнадеждаващите успехи, изследванията показват, че само-итеративното подобрение има редица ограничения. - **Само-пристрастност (self-bias)**: При моделите възниква затруднение да оценяват безпристрастно собствените си отговори. LLM са склонни да приемат благосклонно собствения си генериран текст и да го оценяват недостатъчно критично, което може да доведе до стагнация или дори влошаване на качеството след няколко итерации[\[4\]](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_note-huang2023-4). - **Прекомерна увереност**: Забелязано е, че с нарастването на броя итерации на самокорекция моделът може да придобие прекомерна увереност в своите отговори, дори ако те не са станали по-точни. Това води до нарастване на показателя *Expected Calibration Error (ECE)* — разминаването между увереността на модела и реалната точност[\[5\]](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_note-zhu2025_calibration-5). - **Изчислителни разходи**: Методът изисква няколко обращения към LLM за получаване на един финален отговор, което значително увеличава закъснението и разходите в сравнение с еднопроходната генерация. Текущите изследвания са насочени към решаване на тези проблеми. Едно от направленията е въвеждането на механизми за калибриране на увереността на всяка стъпка от итерацията. Друго — привличане на външни източници на информация или инструменти (например изпълнение на код, търсене на данни) за по-обективна самооценка[\[6\]](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_note-beyond_accuracy_study-6). ## Сравнение с други техники - **Chain-of-Thought (CoT)**: CoT се фокусира върху генерирането на линейна верига от разсъждения, за да се стигне до отговор. Self-Refine, от своя страна, се фокусира върху итеративното подобрение на вече генерирания отговор (който може да включва CoT). - **Tree of Thoughts (ToT)**: ToT изследва множество паралелни пътища на разсъждение под формата на дърво, докато Self-Refine подобрява итеративно един път. ToT е техника за изследване на пространството от решения, а Self-Refine — техника за оптимизация на конкретно решение. ## Препратки - Официален сайт на проекта Self-Refine - Оригинална научна статия \\Self-Refine: Iterative Refinement with Self-Feedback\\ ## Литература - Madaan, A. et al. (2023). *Self-Refine: Iterative Refinement with Self-Feedback*. arXiv:2303.17651. - Kim, G. et al. (2023). *Language Models Can Solve Computer Tasks*. arXiv:2303.17491. - Gou, Z. et al. (2023). *CRITIC: Large Language Models Can Self-Correct with Tool-Interactive Critiquing*. arXiv:2305.11738. - Huang, J. et al. (2023). *Large Language Models Cannot Self-Correct Reasoning Yet*. arXiv:2310.01798. - Pan, L. et al. (2023). *Automatically Correcting Large Language Models: Surveying the Landscape of Diverse Self-Correction Strategies*. arXiv:2308.03188. - Jiang, C. et al. (2024). *Importance Weighting Can Help Large Language Models Self-Improve*. arXiv:2408.09849. - Liang, X. et al. (2024). *Internal Consistency and Self-Feedback in Large Language Models: A Survey*. arXiv:2407.14507. - Zhu, D. et al. (2025). *Beyond Accuracy: The Role of Calibration in Self-Improving Large Language Models*. arXiv:2504.02902. - Hao, Q. et al. (2025). *RL of Thoughts: Navigating LLM Reasoning with Inference-time Reinforcement Learning*. arXiv:2505.14140. - Cui, Y. et al. (2023). *Check Your Facts and Try Again: Improving Large Language Models by Reducing Hallucination*. arXiv:2302.12813. - Wei, Z. et al. (2024). *ReSearch: Iterative Self-Reflection for Better LLM Calibration*. arXiv:2405.13022. ## Бележки 1. ↑ [1.0](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_ref-madaan2023_1-0) [1.1](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_ref-madaan2023_1-1) [1.2](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_ref-madaan2023_1-2) Madaan, Aman; et al. «Self-Refine: Iterative Refinement with Self-Feedback». *arXiv*. [1] 2. [↑](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_ref-selfrefine_info_2-0) «Self-Refine: Iterative Refinement with Self-Feedback». *Официальный сайт проекта*. [2] 3. [↑](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_ref-kim2023_rci_3-0) Kim, Geunwoo; et al. «Language Models can Solve Computer Tasks». *arXiv*. [3] 4. [↑](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_ref-huang2023_4-0) Huang, Jie; et al. «Large Language Models Cannot Self-Correct Reasoning Yet». *arXiv*. [4] 5. [↑](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_ref-zhu2025_calibration_5-0) Zhu, D., et al. (2025). «Beyond Accuracy: The Role of Calibration in Self-Improving Large Language Models». *arXiv*. [5] 6. [↑](https://systems-analysis.info/int/Self-Refine_Prompting_(BG)#cite_ref-beyond_accuracy_study_6-0) «Beyond Accuracy: The Role of Calibration in Self-Improving Large Language Models». *arXiv*. [6]