待验证50% 置信基准精确时间
Reflexion框架在HotpotQA、HumanEval等基准上相比单次生成基线提升了10%~20%的准确率
1
来源数
50%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
验证循环让DeepSeek智能翻4倍，成本仅Claude Opus七分之一
hackernewshackernews2026/7/7
相关事实
待验证自我反思（self-reflection）由Shinn等人在2023年的Reflexion论文（NeurIPS 2023）中系统化，在HotpotQA、HumanEval等基准上相比单次生成基线提升了10%~20%的准确率78% 相似待验证在HotpotQA等多跳推理基准上，ReAct相比Act-only方案的任务完成率提升约10-15个百分点，同时幻觉率显著降低68% 相似已验证ReAct论文通过在HotpotQA、FEVER等多跳推理基准上的实验，证明相比单纯的Chain-of-Thought推理，ReAct在需要外部信息检索的任务上准确率提升了约10%~30%67% 相似待验证实验数据显示关键信息位于输入序列首尾时模型检索准确率可高达90%以上，位于中段时可能骤降至60%以下63% 相似待验证Few-shot提示通过提供2-5个示例让模型理解模式，比纯文字描述准确率通常高出20%-40%62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/284408API
curl https://kongchang.com/api/v1/knowledge/claims/284408MCP
get_claim(id=284408)