Self-Reflection: итеративная самокорректировка ответов LLM

Слабая модель + один раунд самокритики обгоняет сильную модель без него. Nova Micro (самая дешевая Amazon) прыгает с 22% до 71% точности в математике — рост на 220%. Метод позволяет экономить на дорогих моделях: берешь дешевую, даешь ей пересмотреть свой ответ — получаешь качество топовой при меньших затратах. Фишка: модель плохо генерирует с первого раза, но отлично критикует чужой текст. Self-reflection превращает слабость в силу — сначала модель генерирует ответ, потом читает его как внешний текст и включает режим верификации. Первый раунд корректировки дает 80-90% всей выгоды. Но есть жесткий подвох: в переводе и генерации SQL большинство моделей деградируют — меняют правильные ответы на неправильные, пытаясь "улучшить".