CORE: Contrastive Reflection Enables Rapid Improvements in Reasoning
CORE：对比反思实现推理快速改进
🧭 对比反思驱动的模型自改进 ★ 深度解读
Stanford University
对比成功与失败推理轨迹生成可复用自然语言洞察，以更高样本、rollout和上下文效率实现冻结LLM的快速自改进。
📌 工作参考价值（4 点）
- 非参数记忆与洞察抽象：可借鉴CORE的“洞察记忆”设计，将模型犯错时的经验对比生成可复用自然语言策略，替代直接存储原始轨迹，降低存储与检索成本，特别适合电商场景中重复性任务（如商品描述生成、客服SOP）。
- 效用感知检索：结合语义相似度与经验效用分数进行检索，能避免引入无效或有害的上下文。在推荐或Agent任务中，可以跟踪不同提示/工具调用的成功频率，动态调整其检索权重，提升鲁棒性。
- 失败驱动的反思与准入测试：CORE只在失败时触发反思，并通过简单pass@1验证洞察有效性，这一约束可迁移到Agent工作流中：当模型输出被用户驳回时，对比成功的交互生成修正规则，并仅当规则能立即解决当前问题才加入知识库，防止噪声积累。
- 上下文效率优势：CORE用极少令牌（平均0.92k）实现优于全轨迹RAG的性能，对生产系统至关重要。在生成式推荐或对话Agent中，可考虑将大量交互压缩为短洞察，大幅降低推理延迟和成本。