[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-self-refine::tr":3,"gloss-cluster-self-refine::tr":23,"gloss-next-self-refine::tr":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"self-refine","prompt-eng","Self-Refine","Self-Refine (öz-iyileştirme), tek bir modelin bir yanıt üretip kendi çıktısını eleştirdiği ve bu eleştiriyi kullanarak yanıtı yeniden yazdığı, tatmin olana ya da adım sınırına ulaşana kadar tekrarlanan döngüsel bir yönlendirme kalıbıdır. Madaan vd. (2023) tarafından tanıtılan yöntemin can alıcı noktası şudur: ek eğitim, harici ödül modeli ya da insan geri bildirimi gerekmez; aynı LLM üç komut boyunca hem yazar, hem gözden geçiren, hem editör rolünü oynar. Genellikle açık uçlu üretimde işe yarar — kod, taslak, diyalog yanıtları gibi ilk denemenin idare ettiği ama model bakmaya yönlendirildiğinde görebileceği düzeltilebilir kusurların olduğu yerlerde. SaaS geliştiricileri için ucuz bir kalite kaldıracıdır: üretimden sonra \"bu çıktının somut sorunlarını listele, sonra geliştirilmiş bir sürüm üret\" adımını eklersiniz. İki uyarı: kazanç dengesizdir, birkaç turdan sonra düzleşebilir hatta gerileyebilir; ve her yineleme daha fazla token ve gecikme demektir. Bu yüzden döngüyü sınırlayın (çoğu zaman bir-iki tur) ve mümkünse iyileştirilmiş çıktının değerlendirme setinizde orijinali gerçekten geçip geçmediğini ölçün.","Self-Refine, tek bir modeli üret-eleştir-yeniden yaz döngüsünde tatmin olana kadar çevirir: ek eğitim yok, harici araç yok, yalnızca yineleme.",null,[11,14,17,20],{"slug":12,"name":13},"chain-of-verification","Chain-of-Verification",{"slug":15,"name":16},"llm-as-judge","Hakem Olarak LLM (LLM-as-Judge)",{"slug":18,"name":19},"prompt-chaining","Prompt Chaining (Prompt Zincirleme)",{"slug":21,"name":22},"self-consistency","Self-Consistency (Öz Tutarlılık)",[24,28,31,34,38,39,42,45,48,51,54,57],{"slug":25,"category":5,"name":26,"updated_at":27},"analogical-prompting","Analogical Prompting","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"automatic-prompt-optimization","Otomatik Komut Optimizasyonu",{"slug":32,"category":5,"name":33,"updated_at":27},"chain-of-density","Yoğunluk Zinciri (CoD)",{"slug":35,"category":5,"name":36,"updated_at":37},"chain-of-thought-prompting","Chain-of-Thought Prompting (Düşünce Zinciri İstemi)","2026-08-24T02:46:36+00:00",{"slug":12,"category":5,"name":13,"updated_at":27},{"slug":40,"category":5,"name":41,"updated_at":37},"chunking","Chunking (Parçalama)",{"slug":43,"category":5,"name":44,"updated_at":37},"constrained-decoding","Kısıtlanmış Çözümleme (Constrained Decoding)",{"slug":46,"category":5,"name":47,"updated_at":37},"context-stuffing","Bağlam Doldurma (Context Stuffing)",{"slug":49,"category":5,"name":50,"updated_at":37},"delimiter","Ayırıcı (Delimiter)",{"slug":52,"category":5,"name":53,"updated_at":27},"directional-stimulus-prompting","Directional Stimulus Prompting",{"slug":55,"category":5,"name":56,"updated_at":27},"emotion-prompting","Emotion Prompting",{"slug":58,"category":5,"name":59,"updated_at":37},"few-shot-prompting","Few-Shot Prompting (Az Örnekli İstem)"]