通过语言模型函数调用实现反思式提示微调

针对提示设计耗时且敏感的问题，本文提出反思式提示微调（RPT）框架。该方法利用大语言模型的函数调用能力模拟人类工程师工作流：通过诊断函数评估整体数据集，总结 recurring 失败模式并生成结构化报告。优化器结合历史报告记忆迭代修订提示，并支持置信度感知优化。实验表明，RPT 在多步推理和数学任务中显著提升性能与校准能力，能有效识别错误模式并进行针对性改进。