超越输出批判：通过任务蒸馏实现自我修正

大型语言模型虽具备自我修正潜力，但现有方法多局限于表面错误修补，难以纠正深层推理缺陷。本文提出 SELF-THOUGHT 框架，在解法细化前引入任务抽象步骤，将问题蒸馏为包含关键变量与约束的结构化模板。该模板指导后续解法实例化，减少误差传播。研究表明，大模型生成的抽象模板可迁移至小模型，助其在无需重度微调或外部验证器的情况下实现可靠修正。实验证实，该方法显著提升了各类推理任务中模型的准确率、鲁棒性及泛化能力。