内在自我修正何时有效？一项任务敏感型分析

内在自我修正（SC）旨在通过提示模型重新审视初始答案来提升大语言模型输出，无需外部反馈。近期研究质疑其可靠性，指出模型常难以判断初始回答的正确性。本文采取任务敏感视角，考察 SC 在不同机制下运作的场景：验证显式约束、重访复杂推理过程或在字谜任务中对竞争策略提供二次意见。跨多个基准和模型的实验表明，当底层任务结构促进这些修订模式时，SC 能产生一致的性能增益。结果表明，SC 应被视为一种依赖任务的推理时策略，其效用取决于修订阶段在特定任务中的角色，而非普遍可靠的改进方法。