---
title: "Self-Refine Prompting (TH)"
source: "https://systems-analysis.info/int/Self-Refine_Prompting_(TH)"
wiki: "systems-analysis.info/int"
article: "Self-Refine_Prompting_(TH)"
language: "th"
categories:
  - "Category:Large language models"
  - "Category:Machine learning"
  - "Category:Prompt engineering"
  - "Category:Thai"
revision_id: 6624
wiki_created_at: 2026-09-07T00:07:54Z
wiki_modified_at: 2026-09-07T00:07:54Z
downloaded_at: 2026-09-07T23:14:53Z
---

# Self-Refine Prompting (TH)

**Self-Refine** (**การปรับแต่งตนเอง** หรือ **การแก้ไขตนเอง**) — คือแนวทางในสาขา prompt engineering ที่ช่วยให้โมเดลภาษาขนาดใหญ่ (LLM) ปรับปรุงคำตอบที่สร้างขึ้นอย่างวนซ้ำโดยอาศัยข้อเสนอแนะจากตัวเองนั้น<sup>[\[1\]](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_note-madaan2023-1)</sup> แนวคิดนี้เสนอโดยกลุ่มนักวิจัยภายใต้การนำของ Aman Madaan ในปี 2023 และมีพื้นฐานจากการสังเกตว่า เช่นเดียวกับมนุษย์ โมเดลภาษาไม่ได้สร้างผลลัพธ์ที่ดีที่สุดเสมอไปในครั้งแรก

ในวิธีนี้ LLM ตัวเดียวกันทำหน้าที่สามบทบาทตามลำดับ:

1.  **Generator (ตัวสร้าง)**: สร้างคำตอบฉบับร่างเริ่มต้นสำหรับคำขอ
2.  **Feedback (ตัวประเมิน)**: ประเมินคำตอบของตัวเองและให้ข้อเสนอแนะเชิงสร้างสรรค์
3.  **Refiner (ตัวแก้ไข)**: ใช้ข้อเสนอแนะนั้นเพื่อสร้างคำตอบเวอร์ชันที่ดีขึ้น

วงจรวนซ้ำ «การสร้าง → ข้อเสนอแนะ → การปรับปรุง» สามารถดำเนินซ้ำได้หลายครั้งจนกว่าจะบรรลุคุณภาพที่ต้องการหรือเงื่อนไขการหยุดทำงาน

สิ่งสำคัญคือ Self-Refine ไม่ต้องการการฝึกโมเดลเพิ่มเติม การ fine-tuning หรือข้อมูลภายนอก — กระบวนการทั้งหมดควบคุมผ่าน prompt ในขั้นตอน *inference* เท่านั้น<sup>[\[1\]](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_note-madaan2023-1)</sup>

## กลไกการทำงาน

วิธี Self-Refine ทำงานผ่านลำดับของ prompt ที่ออกแบบมาเป็นพิเศษเพื่อกำหนดพฤติกรรมของโมเดล

1.  **การสร้างเริ่มต้น** โมเดลได้รับ prompt ต้นฉบับและสร้างคำตอบฉบับร่าง
2.  **การสร้างข้อเสนอแนะ** โมเดลได้รับคำสั่งให้วิเคราะห์คำตอบก่อนหน้าของตัวเองและระบุข้อบกพร่อง ตัวอย่างเช่น อาจสังเกตว่าคำตอบไม่ละเอียดเพียงพอหรือมีข้อผิดพลาดเชิงตรรกะ ผลลัพธ์คือข้อเสนอแนะในรูปแบบข้อความพร้อมคำวิจารณ์และคำแนะนำเฉพาะ
3.  **การปรับปรุงแบบวนซ้ำ** โมเดลได้รับคำขอต้นฉบับ คำตอบเดิม และข้อเสนอแนะที่สร้างขึ้นเป็น prompt ใหม่ จากนั้นจึงสร้างคำตอบเวอร์ชันที่ดีขึ้น

วงจรสองขั้น «การวิจารณ์ → การแก้ไข» สามารถดำเนินซ้ำได้หลายครั้ง บริบทของแต่ละการวนซ้ำใหม่จะรวมคำตอบและความคิดเห็นจากรอบก่อนหน้า ซึ่งช่วยให้โมเดลหลีกเลี่ยงการทำผิดพลาดซ้ำ<sup>[\[2\]](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_note-selfrefine_info-2)</sup> เทคนิค *few-shot prompting* มักถูกนำมาใช้เพื่อควบคุมพฤติกรรมของโมเดล โดยรวมตัวอย่างรูปแบบข้อเสนอแนะและการแก้ไขที่ต้องการไว้ใน prompt

## ประสิทธิภาพและการประยุกต์ใช้

วิธี Self-Refine แสดงให้เห็นถึงประสิทธิภาพในงานหลายประเภทที่ต้องการการปรับแต่งซ้ำ เช่น:

- การสร้างคำตอบในการสนทนา
- การเขียนเรื่องสั้นเชิงสร้างสรรค์
- การแก้โจทย์คณิตศาสตร์ด้วยการให้เหตุผลทีละขั้นตอน
- การปรับปรุงโค้ดโปรแกรม

ในงานวิจัยต้นฉบับ คำตอบที่ได้จาก Self-Refine มีความน่าพอใจสูงกว่าเฉลี่ย **~20%** ตามการประเมินของมนุษย์และตัวชี้วัดอัตโนมัติ เมื่อเทียบกับการสร้างแบบขั้นตอนเดียว<sup>[\[1\]](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_note-madaan2023-1)</sup> การปรับปรุงเกิดขึ้นแม้กระทั่งกับโมเดลที่ทันสมัยที่สุดอย่าง GPT-4 ซึ่งบ่งชี้ว่าแม้แต่ LLM ที่ทรงพลังก็มักต้องการเพียงขั้นตอนการคิดเพิ่มเติมเพื่อแก้ไขข้อผิดพลาดของตัวเอง

แนวทางที่คล้ายกัน เช่น **RCI** (Recursive Criticism and Improvement) ก็แสดงให้เห็นประสิทธิภาพสูงในงานเชิงโต้ตอบ เช่น การควบคุมคอมพิวเตอร์และการแก้ปัญหาเชิงตรรกะ การผสมผสาน RCI กับเทคนิค Chain-of-Thought ให้ผลเสริมฤทธิ์กัน ทำให้ความสามารถของโมเดลในการแก้ปัญหาซับซ้อนดีขึ้นอย่างเห็นได้ชัด ด้วยการผนวกขั้นตอนการตรวจสอบตนเองเข้าไป<sup>[\[3\]](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_note-kim2023_rci-3)</sup>

## ข้อจำกัดและการวิจัยปัจจุบัน

แม้จะมีผลลัพธ์ที่น่าหวัง งานวิจัยแสดงให้เห็นว่าการปรับปรุงแบบวนซ้ำด้วยตนเองมีข้อจำกัดบางประการ

- **ความลำเอียงต่อตัวเอง (self-bias)**: โมเดลประสบความยากลำบากในการตัดสินคำตอบของตัวเองอย่างเป็นกลาง LLM มีแนวโน้มรับรู้ข้อความที่ตัวเองสร้างอย่างเอื้อเฟื้อและประเมินอย่างไม่วิพากษ์วิจารณ์เพียงพอ ซึ่งอาจนำไปสู่การหยุดนิ่งหรือแม้กระทั่งคุณภาพที่ลดลงหลังจากหลายการวนซ้ำ<sup>[\[4\]](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_note-huang2023-4)</sup>
- **ความมั่นใจเกินไป**: มีการสังเกตว่าเมื่อจำนวนการวนซ้ำการแก้ไขตนเองเพิ่มขึ้น โมเดลอาจมีความมั่นใจในคำตอบมากเกินไป แม้ว่าคำตอบจะไม่แม่นยำขึ้น ส่งผลให้ค่า *Expected Calibration Error (ECE)* เพิ่มขึ้น ซึ่งคือความไม่สอดคล้องระหว่างความมั่นใจของโมเดลกับความแม่นยำที่แท้จริง<sup>[\[5\]](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_note-zhu2025_calibration-5)</sup>
- **ต้นทุนการคำนวณ**: วิธีนี้ต้องเรียกใช้ LLM หลายครั้งเพื่อให้ได้คำตอบสุดท้ายหนึ่งคำตอบ ซึ่งเพิ่มความล่าช้าและต้นทุนอย่างมีนัยสำคัญเมื่อเทียบกับการสร้างแบบผ่านครั้งเดียว

การวิจัยปัจจุบันมุ่งแก้ปัญหาเหล่านี้ แนวทางหนึ่งคือการนำกลไกการสอบเทียบความมั่นใจมาใช้ในแต่ละขั้นตอนของการวนซ้ำ อีกแนวทางคือการนำแหล่งข้อมูลภายนอกหรือเครื่องมือมาใช้ (เช่น การประมวลผลโค้ด การค้นหาข้อมูล) เพื่อการประเมินตนเองที่เป็นกลางยิ่งขึ้น<sup>[\[6\]](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_note-beyond_accuracy_study-6)</sup>

## การเปรียบเทียบกับเทคนิคอื่น

- **Chain-of-Thought (CoT)**: CoT มุ่งเน้นการสร้างห่วงโซ่การให้เหตุผลแบบเชิงเส้นเพื่อให้ได้คำตอบ ในขณะที่ Self-Refine มุ่งเน้นการปรับปรุงคำตอบที่สร้างขึ้นแล้วอย่างวนซ้ำ (ซึ่งอาจรวม CoT ไว้ด้วย)
- **Tree of Thoughts (ToT)**: ToT สำรวจเส้นทางการให้เหตุผลแบบขนานหลายเส้นทางในรูปแบบต้นไม้ ในขณะที่ Self-Refine ปรับปรุงเส้นทางเดียวอย่างวนซ้ำ ToT คือเทคนิคการสำรวจพื้นที่ของวิธีแก้ปัญหา ส่วน Self-Refine คือเทคนิคการเพิ่มประสิทธิภาพของวิธีแก้ปัญหาเฉพาะ

## ลิงก์

- เว็บไซต์อย่างเป็นทางการของโครงการ Self-Refine
- บทความวิจัยต้นฉบับ "Self-Refine: Iterative Refinement with Self-Feedback"

## บรรณานุกรม

- 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.

## หมายเหตุ

1.  <span id="cite_note-madaan2023-1">↑ <sup>[1.0](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_ref-madaan2023_1-0)</sup> <sup>[1.1](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_ref-madaan2023_1-1)</sup> <sup>[1.2](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_ref-madaan2023_1-2)</sup> Madaan, Aman; et al. «Self-Refine: Iterative Refinement with Self-Feedback». *arXiv*. <a href="https://arxiv.org/abs/2303.17651" class="external autonumber" rel="nofollow">[1]</a></span>
2.  <span id="cite_note-selfrefine_info-2">[↑](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_ref-selfrefine_info_2-0) «Self-Refine: Iterative Refinement with Self-Feedback». *Официальный сайт проекта*. <a href="https://selfrefine.info/" class="external autonumber" rel="nofollow">[2]</a></span>
3.  <span id="cite_note-kim2023_rci-3">[↑](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_ref-kim2023_rci_3-0) Kim, Geunwoo; et al. «Language Models can Solve Computer Tasks». *arXiv*. <a href="https://arxiv.org/abs/2303.17491" class="external autonumber" rel="nofollow">[3]</a></span>
4.  <span id="cite_note-huang2023-4">[↑](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_ref-huang2023_4-0) Huang, Jie; et al. «Large Language Models Cannot Self-Correct Reasoning Yet». *arXiv*. <a href="https://arxiv.org/abs/2310.08118" class="external autonumber" rel="nofollow">[4]</a></span>
5.  <span id="cite_note-zhu2025_calibration-5">[↑](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_ref-zhu2025_calibration_5-0) Zhu, D., et al. (2025). «Beyond Accuracy: The Role of Calibration in Self-Improving Large Language Models». *arXiv*. <a href="https://arxiv.org/html/2504.02902v1" class="external autonumber" rel="nofollow">[5]</a></span>
6.  <span id="cite_note-beyond_accuracy_study-6">[↑](https://systems-analysis.info/int/Self-Refine_Prompting_(TH)#cite_ref-beyond_accuracy_study_6-0) «Beyond Accuracy: The Role of Calibration in Self-Improving Large Language Models». *arXiv*. <a href="https://arxiv.org/html/2504.02902v1" class="external autonumber" rel="nofollow">[6]</a></span>