超越元推理：用于自我改进 LLM 推理的元认知巩固

大型语言模型展现出强大的推理能力，现有方法日益成熟，研究重心转向元推理。然而，多数现有方法仅关注单实例内的复杂元推理流程，忽视了跨实例可复用元推理技能的积累，导致重复失败和高昂的认知成本。本文提出“元认知巩固”框架，将过往推理经验转化为可复用知识以提升未来表现。该框架通过划分推理、监控与控制角色生成丰富的元级轨迹，并利用分层多时间尺度更新机制逐步演化元知识。实验表明，随着经验积累，模型性能在各基准上持续提升。