让大模型自己挑错改错，越改越好
self-refine 是一个研究项目，提出了一种让大语言模型自我改进的通用框架。它不依赖额外训练或外部监督，而是让模型生成初始输出后，对自身输出进行批评和反馈，再根据反馈进行修改，如此迭代多次以提升结果质量。该项目解决了大模型输出质量不稳定、一次生成难以达到最佳效果的问题。核心能力包括：支持任意能生成文本的LLM，通过提示词驱动实现自我反馈与修正，可应用于多种自然语言生成任务，如代码优化、数学推理、情感分析等。项目提供了简洁的Python实现和示例，便于研究者复现和扩展。
Self-Refine (ICLR 2023)、CRITIC、Reflexion
self-refine 是模型训练领域的开源项目，由 madaan 开发，2023 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（822）位列前 30%，在模型训练分类中处于中上游。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-20。Apache-2.0许可证，可免费使用和部署。
它主要面向的使用场景是：代码生成后自动修复语法或逻辑错误。同类可对比的替代方案包括 Self-Refine (ICLR 2023)、CRITIC、Reflexion。
上一篇：MoE-plus-plus
下一篇：ObsScaling
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···
