arXiv cs.AI· Fabian Broszio, Michael Hoffmann, Adrian Paschke·· 11 小时前AI 评分26
SRCoT：在边缘 LLM 上通过检索-反思-修订闭环实现基于证据的文本生成
Self-Reflective Chain-of-Thought (SRCoT): Evidence-Based Text Generation via a Closed-Loop Retrieve--Reflect--Revise Pipeline on Edge LLMs
AI 导读
研究者提出 Self-Reflective Chain-of-Thought（SRCoT），将生成组织为检索-反思-修订的闭环流程，把环境状态、持久知识、积累经验与短期记忆分存于带来源标注的存储中，由 BM25 检索提供本地上下文。
正文 · AI 翻译
摘要：大型语言模型（LLM）能够生成流畅的输出，但这些输出可能缺乏来源支持，或与本地操作约束相冲突。我们提出自反思思维链（Self-Reflective Chain-of-Thought，SRCoT），这是一种模块化架构，将生成过程组织为闭环的“检索—反思—修订”循环。SRCoT 将环境状态、持久知识、累积经验和短期记忆分离为带来源标记的存储。BM25 检索提供本地上下文；后续轮次会暴露中间草稿、缺失信息标记、后续查询以及可选的论断—证据映射。这些产物为检索、修订、澄清或弃答决策提供依据。我们在两个完全合成的场景中，通过基于轨迹的定性案例研究来考察该架构：紧急医疗服务，以及应急行动模拟 Munich-Sim。在配备 128 GB 内存的 Apple M4 系列笔记本电脑上运行的本地原型，展示了带来源标记的文档、显式缺口标记和结构化调度式输出。这些轨迹还揭示了来源归属错误、证据覆盖不完整以及不安全假设——尽管有提示约束，这些问题仍可能出现。这些案例展示的是报告级可检查性和本地执行，而非比较优势、幻觉减少、临床有效性或操作安全性。该架构将检索与控制同模型接口分离，但不同模型间的行为仍有待评估。SRCoT 是一个需要人工审核的研究概念验证，其主要贡献在于可检查的控制流程，而非一个新模型。
| 评论： | 28 页，2 幅图。扩展技术说明；基于重叠工作的相关简报已提交至 Frontiers in Disaster and Emergency Medicine。这两篇稿件并不代表独立的实证研究 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.23311 [cs.AI] |
| （或 arXiv:2610.23311v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23311 arXiv 颁发的 DOI（通过 DataCite，待注册） |
提交历史
来自：Fabian Broszio [查看电子邮件]
[v1]
2026 年 10 月 16 日星期五 11:14:52 UTC（582 KB）
来源：arXiv cs.AI · arxiv.org