研究揭示LLM自我反思效果不佳甚至有害

最新研究对LLM的自我反思机制进行实证测试，选取7种方法在1.5B、3B和7B开源模型上进行数学基准测试，发现自我反思在36次对比中全无胜绩，甚至使模型性能下降10%，并出现“过度思考”现象，即消耗更多token却答错。

2026-08-05 ~ 2026-08-05 · 3 条相关

• 实证打脸自我反思：36次对比全无胜绩，模型自检反降10% — omarsar0 · 2026-08-05
• 7B模型自我反思效果不佳，研究揭示其成本与收益 — srchvrs · 2026-08-05
• 研究揭示 LLM 推理“过度思考”现象：思考越多反而越容易答错 — _jaydeepkarale · 2026-08-05