self-improvement（自我改进）

自我改进的核心是让模型利用自身输出（如推理链、代码）进行筛选、修正和再训练，形成闭环。早期工作如STaR（Self-Taught Reasoner）通过自举生成 rationale 并微调，显著提升数学推理能力。后续研究引入自我批评、自我博弈（如AlphaZero）和宪法AI，使模型在无大量标注下持续进化。关键技术包括自洽性过滤、拒绝采样和强化学习，但需防范错误累积和模式崩溃。