AI-порталAI-портал

Intrinsic Self-Correction

[object Object]

Intrinsic Self-Correction важен как напоминание, что не всякая самопроверка требует внешнего verifier или retrieval. В ряде задач модель способна найти и исправить часть собственных ошибок, если дать ей корректный revision setup: fair prompt, zero-temperature-like stability и право пересмотреть результат.

В 2026 эта идея полезна как дешёвый слой quality improvement. Она не заменяет grounded verification, но в некоторых задачах даёт surprisingly useful second pass почти бесплатно относительно внешней оркестрации.

Intrinsic self-correction работает лучше всего, когда модель не защищает старый ответ, а честно пересматривает его как новый объект проверки.

Коротко

Intrinsic Self-Correction полезна, когда:

  • внешняя проверка дорогая;
  • нужен дешёвый second pass;
  • ошибка может быть замечена из внутренней логики ответа;
  • задача не требует обязательного external grounding.
ПромптGPT-5
Проверь собственный ответ заново без защиты первой версии. Найди возможные логические ошибки и перепиши ответ, если видишь более корректную формулировку.
Ответ модели

Система заметила внутреннее противоречие в первом решении и во втором проходе исправила вывод без внешних источников.

Это техника про revision from internal signals.

Чем intrinsic correction отличается от external verification

External verification опирается на:

  • retrieval;
  • tools;
  • verifiers;
  • outside evidence.

Intrinsic correction использует только:

  • внутреннюю непротиворечивость;
  • повторное рассуждение;
  • revision prompt setup.

Поэтому она дешевле, но и ограниченнее.

Один проход
Модель сразу отдаёт ответ и не использует возможность пересмотреть собственное reasoning.
Intrinsic Self-Correction
Модель делает второй внутренний pass и пытается выявить ошибку без обращения к внешним источникам.

Когда техника особенно полезна

Intrinsic Self-Correction хорошо подходит для:

  • reasoning tasks;
  • drafting and editing;
  • internal consistency checks;
  • low-cost quality boosts;
  • scenarios, где retrieval не обязателен.

Если вопрос factual и требует внешних источников, intrinsic correction alone недостаточна.

Ограничения

Модель часто не исправляет, а лишь переписывает ответ иначе. Ещё одна проблема — если ошибка rooted in missing knowledge, intrinsic correction её не устранит.

То есть техника хорошо работает на internal inconsistency, но плохо на отсутствующих фактах.

Почему техника актуальна в 2026

С усилением reasoning models стало видно, что второй внутренний pass иногда даёт measurable gains при низкой цене. Intrinsic Self-Correction важна как дешёвый and simple quality layer.

Это делает технику полезной в сочетании с более дорогими verification methods.

Техническая реализация

const draft = await model(answerPrompt(input))
const revised = await model(revisePrompt(input, draft))
return chooseBetter(draft, revised)

Практический совет: выставляйте более низкую stochasticity на revision pass. Иначе вместо correction получится просто другая случайная формулировка.

Проверьте себя

1. Что такое Intrinsic Self-Correction?

2. Когда она особенно полезна?

3. Главный риск Intrinsic Self-Correction?

Предыдущая
Instruction Hierarchy
Следующая
JSON Mode