TL;DR
RSE — техника, которая превращает множественные попытки решения из изолированных бросков в накопительный процесс. Модель делает попытки партиями, после каждой партии извлекает что точно работает и какие подходы в тупик, добавляет в "банк опыта" и использует его в следующих партиях. Вместо того чтобы каждый раз начинать с нуля, модель строит решение из накопленных кусочков истины.
Стандартный подход к сложным задачам — сделать много независимых попыток и выбрать лучшую. Проблема: каждая попытка работает в вакууме. Модель заново выводит одни и те же промежуточные факты в разных ветках ("если X, то Y" выводится 10 раз) и наступает на те же грабли (пробует подход Z, который не работает, снова и снова). В сложных задачах вероятность вывести ВСЕ нужные шаги в одной попытке падает экспоненциально с ростом сложности — большинство попыток содержат правильные куски, но не всю картину целиком.
RSE работает циклами: партия попыток → модель сама извлекает позитивный опыт (проверенные промежуточные выводы, работающие подходы) и негативный опыт (найденные тупики, ошибочные стратегии) → записывает в общий банк → удаляет дубликаты → следующая партия стартует с этим банком в контексте. Позитивный опыт позволяет переиспользовать промежуточные выводы как готовые блоки ("Y уже доказан, можно использовать"). Негативный опыт отсекает тупиковые ветки ("подход Z не работает по причине W, не трать время"). Каждая партия сужает пространство поиска и накапливает истину.
Схема метода
[Цикл повторяется 3-6 раундов]
РАУНД 1:
├─ Генерация → 8-32 попытки решения параллельно [один запрос]
├─ Извлечение опыта → из каждой попытки модель извлекает:
│ ├─ Позитивное: "Что точно верно" (факты, леммы, промежуточные выводы)
│ └─ Негативное: "Какие подходы не сработали и почему"
└─ Дедупликация → удаление семантически одинаковых пунктов опыта
РАУНД 2:
├─ Контекст = банк опыта из Раунда 1
├─ Генерация → новые попытки с учётом опыта
├─ Извлечение → новый опыт добавляется к старому
└─ Дедупликация
РАУНД 3+: повторение
Важно: Попытки внутри раунда делаются параллельно (быстро), опыт извлекается после завершения всей партии.
Пример применения
⚠️ Метод для сложных многоэтапных задач. Не подходит для простых вопросов с прямым ответом. Эффективен там, где нужно свести воедино много промежуточных выводов из разных углов.
Задача: Запускаешь маркетплейс локальных продуктов в регионе. Нужно понять — реально ли выйти на окупаемость за год при бюджете 5 млн рублей, учитывая конкуренцию с Wildberries, требования закона о маркировке, холодный старт без аудитории и команду из 3 человек.
Промпт (Раунд 1):
Задача: Оценить реалистичность запуска маркетплейса локальных продуктов с окупаемостью за 12 месяцев.
Constraints:
- Бюджет: 5 млн рублей
- Конкуренты: Wildberries, Ozon уже работают с локальными в регионе
- Регуляции: маркировка "Честный знак", онлайн-кассы, ЕГАИС для части товаров
- Команда: 3 человека (основатель + разработчик + маркетолог)
- Регион: Екатеринбург и область
Сгенерируй 10 независимых анализов этой ситуации. Каждый анализ должен рассмотреть проблему под своим углом и прийти к выводу.
Промпт (Извлечение опыта после Раунда 1):
Вот 10 попыток анализа. Извлеки из них:
ПОЗИТИВНЫЙ ОПЫТ (что точно установлено и можно использовать как факт):
- Проверенные цифры, расчёты
- Подтверждённые инсайты о рынке
- Работающие стратегические подходы
НЕГАТИВНЫЙ ОПЫТ (какие подходы точно не работают и почему):
- Тупиковые стратегии
- Критические ошибки в рассуждениях
- Нереалистичные допущения
[вставить 10 анализов из Раунда 1]
Промпт (Раунд 2):
[тот же контекст задачи]
БАНК ОПЫТА из предыдущего раунда:
ПОЗИТИВНОЕ:
[извлечённые факты и выводы]
НЕГАТИВНОЕ:
[найденные тупики]
Теперь сгенерируй ещё 10 анализов, используя накопленный опыт. Не повторяй отвергнутые подходы, используй установленные факты как базу.
Результат: Модель покажет прогресс через раунды. Раунд 1: разнообразные попытки с повторяющимися базовыми расчётами и несколькими тупиковыми стратегиями (например, "конкурировать ценами с WB" отвергается во всех ветках). Раунд 2: опираясь на банк опыта, новые попытки уже не пересчитывают базовую экономику (CAC, средний чек) — используют проверенные цифры из банка. Тупиковая "ценовая война" больше не рассматривается. Исследуются более тонкие стратегии (партнёрство с фермерами, модель подписки). Раунд 3: консолидация в итоговый план с реалистичными цифрами, собранный из лучших кусков всех веток.
Почему это работает
Проблема независимых попыток: LLM генерирует текст слева направо, последовательно. В сложной задаче нужно вывести цепочку из 10+ промежуточных шагов. Вероятность "угадать" все правильные шаги в одной попытке падает экспоненциально. Результат: из 50 попыток большинство содержат правильные куски, но почти ни одна не собирает всю картину целиком. Стандартное голосование (majority voting) берёт финальные ответы и выбирает самый частый — но если правильный ответ в меньшинстве, метод ломается.
Сильная сторона: LLM хорошо критикует собственные рассуждения и вычленяет проверенные утверждения из траектории. Может сказать "вот это точно верно, а это под вопросом". Хорошо работает с явными инструкциями структуры — если попросить "найди тупики", модель найдёт их лучше, чем если просто генерировать снова.
Механика RSE: Партии попыток + извлечение опыта между партиями превращает задачу из "вывести всё правильно за один раз" в "собрать пазл из проверенных кусочков истины". Позитивный опыт работает как чекпоинты прогресса — промежуточные выводы, которые многие ветки подтвердили, становятся "аксиомами" для следующего раунда. Негативный опыт отсекает повторяющиеся ошибки — если 5 веток пробовали подход X и все упёрлись в стену, зачем пробовать снова?
Рычаги управления: - Размер партии (8-32 попытки): больше → выше шанс найти редкий инсайт, но дороже. Меньше → быстрее, но может пропустить важные углы. - Число раундов (3-6): больше → глубже консолидация, но есть риск сойтись к неправильному консенсусу. Меньше → экономия, но может не хватить для сложных задач. - Критерии извлечения опыта: можно настроить что считать "проверенным фактом" (согласие в нескольких ветках? явное доказательство?) — влияет на качество банка опыта. - Порог дедупликации: строгий → меньше повторов, но можно потерять нюансы. Мягкий → больше контекста, но риск раздуть банк опыта.
Шаблон промпта
Для ручного применения (упрощённая версия)
ШАГ 1 — Партия попыток:
Задача: {опиши задачу подробно}
Constraints:
{перечисли все ограничения и требования}
Сгенерируй {N} независимых попыток решения этой задачи.
Каждая попытка должна рассмотреть проблему под своим углом.
Пронумеруй попытки.
ШАГ 2 — Извлечение опыта [отдельный запрос]:
Вот {N} попыток решения задачи:
[вставь все попытки из Шага 1]
Проанализируй их и извлеки:
ПОЗИТИВНЫЙ ОПЫТ — что точно установлено:
- Проверенные факты и расчёты
- Подтверждённые выводы (встречаются в нескольких ветках)
- Работающие подходы
НЕГАТИВНЫЙ ОПЫТ — что точно не работает:
- Стратегии, которые упираются в тупик
- Нереалистичные допущения
- Критические ошибки в рассуждениях
Группируй семантически одинаковые пункты — не дублируй.
ШАГ 3 — Следующая партия с опытом [отдельный запрос]:
Задача: {та же задача}
Constraints: {те же}
БАНК ОПЫТА из предыдущей партии:
ПОЗИТИВНЫЙ ОПЫТ:
{вставь из Шага 2}
НЕГАТИВНЫЙ ОПЫТ:
{вставь из Шага 2}
Сгенерируй ещё {N} попыток решения, используя накопленный опыт:
- Используй проверенные факты как базу
- Не повторяй отвергнутые подходы
- Фокусируйся на неисследованных углах
Пронумеруй попытки.
Повтори Шаги 2-3 ещё 2-4 раза (новая партия → извлечение опыта → следующая партия).
Плейсхолдеры:
- {опиши задачу подробно} — твоя сложная многоэтапная задача
- {перечисли все ограничения и требования} — бюджет, регуляции, конкуренты, команда и т.д.
- {N} — размер партии, начни с 8-10 для баланса скорости и качества
🚀 Быстрый старт — вставь в чат:
Если схема кажется сложной, упрости через LLM:
Вот шаблон RSE для накопительного решения сложных задач.
Адаптируй под мою задачу: [твоя задача].
Задавай вопросы: какие constraints важны, сколько попыток делать в партии,
сколько раундов нужно для такой сложности.
[вставить шаблон выше]
LLM спросит про специфику задачи (какие ограничения критичны?), бюджет токенов (сколько попыток можешь позволить?), критерии качества опыта (что считать "проверенным фактом"?) — это нужно чтобы настроить размер партий и число раундов под твою ситуацию. Она возьмёт паттерн "партии → опыт → новые партии с опытом" и адаптирует под задачу.
Почему это работает
Геометрия вероятности в сложных задачах: Если задача требует 10 правильных промежуточных шагов, и модель делает каждый верно с вероятностью 60%, то шанс идеальной попытки = 0.6^10 ≈ 0.6%. Из 100 попыток в среднем только одна будет полностью правильной. Но! Каждая попытка содержит правильные куски — одна вывела шаги 1-4 верно, другая шаги 3-7, третья 6-10. Информация есть, но размазана по попыткам.
Стандартное голосование работает на уровне финальных ответов — если правильный ответ в меньшинстве (а в сложных задачах так и есть), метод выбирает популярный неправильный. Последовательное улучшение (Self-Refine) работает только с одной веткой — улучшает её итеративно, но застревает в локальном оптимуме этой ветки, не видя инсайтов из параллельных попыток.
RSE использует популяционный интеллект: Извлечение опыта — это голосование на уровне промежуточных выводов, не финальных ответов. Если факт F появился в 6 из 10 веток и во всех прошёл проверку — он с высокой вероятностью верен. Если подход X пробовали 4 ветки и все упёрлись — он скорее всего тупиковый. Модель собирает консенсус по кусочкам, а не по целому решению.
Дедупликация решает проблему раздутого контекста. В параллельных попытках базовые шаги повторяются — все ветки выводят "2+2=4", "средний чек = выручка/клиенты" и т.д. Без фильтрации банк опыта переполняется тривиальными повторами, вытесняя редкие инсайты. Семантическая дедупликация сжимает банк — оставляет один экземпляр каждого уникального инсайта, максимизируя плотность информации в ограниченном контексте.
Накопительный эффект через раунды: Раунд 1 находит очевидные факты и грубые тупики. Раунд 2, опираясь на них, не тратит токены на повторный вывод базы и исследует более тонкие стратегии. К Раунду 3-4 модель работает с высокоуровневой картой задачи — проверенные блоки истины + карта мёртвых зон. Вместо случайного блуждания в пространстве решений получается направленное сужение к работающим областям.
Ограничения
⚠️ Сложность задачи: На простых задачах с прямым ответом введёт избыточность. Эффективен на многоэтапных задачах где одна попытка редко выдаёт полное решение (сложная аналитика, многофакторные решения, задачи требующие синтеза из разных областей). Если стандартное голосование даёт правильный ответ — RSE избыточен.
⚠️ Стоимость: Требует 3-6 раундов по 8-32 попытки = 24-192 запуска на задачу + запросы извлечения опыта. Дорого по токенам. Оправдано только когда правильное решение критично и стоит затрат (важные бизнес-решения, сложный анализ, исследовательские задачи). Для рутины неэкономично.
⚠️ Консенсус ≠ истина: Метод ищет согласие между ветками, не абсолютную истину. Если модель систематически ошибается в определённом аспекте, все ветки могут прийти к одинаковому неправильному выводу — он попадёт в банк опыта как "проверенный факт". Особенно опасно в задачах где у модели есть слепые пятна (неизвестная специфика индустрии, свежие данные после даты обучения, тонкие юридические нюансы). Критические выводы стоит проверять внешними источниками.
⚠️ Ручное применение — workflow: Описанный шаблон требует копировать между запросами, запускать несколько раундов, следить за структурой. Автоматизация через API проще, но для применения в чате это активный процесс, не одноразовый запрос. Подходит для задач где готов потратить время на итерации.
⚠️ Размер контекста: Банк опыта растет с раундами. После 4-6 раундов может упереться в лимит контекста модели, особенно если задача сложная и опыт объёмный. Дедупликация помогает, но не безгранично. Может потребоваться ручная чистка банка опыта между раундами (оставить только самое ценное) или остановиться раньше.
Ресурсы
"Do Not Waste Your Rollouts: Recycling Search Experience for Efficient Test-Time Scaling" - Arxiv preprint, January 2026 - Код и данные: https://github.com/WangXinglin/RSE - Авторы: Xinglin Wang, Jiayi Shi, Shaoxiong Feng и др. (Beijing Institute of Technology, Xiaohongshu Inc.) - См. также связанную работу PaCoRe (Hu et al., 2026) — альтернативный подход к переиспользованию истории поиска