你是否有过这样的经历：让 AI 修复一段代码，它改了三次，每改一次问题就变得更糟？这种现象不是你的 Prompt 写得不好，而是自纠错机制本身的数学特性——某些模型在迭代中会自我降级，而这是由一个可以量化的阈值决定的。
2026 年 4 月 24 日，一篇论文给这个现象提供了严格的理论解释：自纠错不是一种总是有效的策略，而是一个反馈控制系统，它的有效性取决于模型引入新错误的速率是否低于某个关键阈值。
这个发现对 AI 编程工具的用户来说，意味着一个具体的工程决策：我应该让这个模型启用自纠错吗？
目录
- 一、问题：从”越改越好”到”越改越差”
- 二、控制理论框架：把 LLM 自纠错建模为反馈回路
- 三、关键阈值：EIR 是如何决定一切的
- 四、哪些模型通过了阈值，哪些没有
- 五、先验证再修正：可操作的工程技巧
- 六、给 AI 编程工具使用者的建议
- 七、结语：测量是优化的起点
一、问题：从”越改越好”到”越改越差”
在 AI 编程工具的日常使用中，你大概率遇到过这个场景：
你：帮我修一下这个 bug
Agent：好的，我来检查一下...找到了，应该是这个原因。
Agent：[修改了一次]
你：还是不对
Agent：啊，我明白了，应该是那个原因。
Agent：[修改了第二次]
你：现在直接报错了
Agent：不好意思，让我再想想...
Agent：[修改了第三次，现在整个模块都不工作了]
为什么同一个模型，在连续的自纠错过程中，表现会持续下降？
这个问题在传统认识里被归因于”模型的推理能力不够”或者”Prompt 不够清晰”。但这个解释有一个根本性的漏洞：如果模型的能力不够，为什么第一次生成的结果反而是对的？
控制理论的研究给出了一个更精确的解释：不是模型能力不够，而是自纠错机制引入的错误率累积速度，超过了模型自身的纠错能力。
这是一个可以用数学描述的反馈回路失控问题。
二、控制理论框架：把 LLM 自纠错建模为反馈回路
2.1 反馈回路的基本结构
论文 「When Does Self-Correction Work for LLMs? A Control-Theoretic View」（arXiv:2604.22273，Jingxiang Meng et al.，2026-04-24）将 LLM 的自纠错过程建模为控制理论中的反馈回路。
在这个框架里，同一个 LLM 同时扮演两个角色：
- Controller（控制器）：负责判断当前输出是否正确，决定是否进行修正
- Plant（被控对象）：负责生成输出，本身会随机产生正确或错误的响应
传统反馈控制系统：
输入 → Controller → Plant → 输出 → 反馈 → Controller → ...
LLM 自纠错：
输出判断 → [是 Correct 还是 Incorrect？] → [是否修正？]
↓
LLM（同一模型）
↓
生成新输出
↓
重新进入判断
2.2 两状态马尔可夫模型
研究的核心是一个两状态马尔可夫模型，LLM 的输出在每一次迭代后处于两种状态之一：
- Correct（C）：输出正确
- Incorrect（I）：输出错误
每次迭代中发生的是状态之间的转换：
从 Correct 变 Correct：保留正确的概率（不变）
从 Correct 变 Incorrect：引入新错误的概率 → EIR（Error Introduction Rate）
从 Incorrect 变 Correct：纠正错误的概率 → ECR（Error Correction Rate）
从 Incorrect 变 Incorrect：错误持续存在的概率（不变）
这个模型的关键在于：只要 EIR > 0，即使 ECR > EIR，系统也会在足够多次迭代后趋向 Incorrect 状态。
这就是为什么有些模型的迭代会”越改越差”——不是因为它们不能纠正错误，而是因为纠正的速度跟不上引入新错误的速度。
三、关键阈值：EIR 是如何决定一切的
3.1 阈值的数学推导
论文的核心推导是关于迭代自纠错有效性的条件：
迭代自纠错有帮助的条件：
ECR / EIR > Acc / (1 - Acc)
其中：
- ECR = Error Correction Rate（从 Incorrect 变 Correct 的概率）
- EIR = Error Introduction Rate（从 Correct 变 Incorrect 的概率）
- Acc = 当前准确率（模型在单次生成中的正确率）
这个不等式告诉我们什么？
准确率 Acc 越高，(1-Acc) 越小，右边越大，阈值越高。这意味着：对于已经很强的模型，自纠错的有效条件更严格——不是因为模型不够好，而是因为已经很低的错误率让进一步纠错变得更加困难。
3.2 关键阈值：0.5% EIR
研究发现了最关键的一个结论：
存在一个近零 EIR 阈值（≤ 0.5%），超过这个阈值，自纠错开始有害。
这个阈值的意义是：只要一个模型在每次生成中引入新错误的概率超过 0.5%，迭代自纠错就会让它变得更糟，而不是更好。
为什么是 0.5% 这个数字？
举例计算：
假设模型 Acc = 85%（已经很不错的准确率）
Acc/(1-Acc) = 85/15 ≈ 5.67
要满足 ECR/EIR > 5.67
如果 ECR = 30%（每次纠正30%的错误）
则需要 EIR < 30/5.67 ≈ 0.53%
即：EIR 超过 0.5%，条件就不满足了
3.3 为什么这个阈值如此尖锐
反馈系统的特性决定了阈值效应：当 EIR 超过临界点后，纠错的”努力”会被引入新错误的”损失”抵消，并最终被超过。这不是一个线性关系，而是一个正反馈失控过程：
EIR < 阈值：
纠错收益 > 引入新错误的损失 → 每次迭代都在变好
EIR ≈ 阈值：
纠错收益 ≈ 引入新错误的损失 → 迭代效果趋于平稳
EIR > 阈值：
纠错收益 < 引入新错误的损失 → 正反馈失控，每次迭代都在变差
这就是为什么某些模型”越改越差”不是渐进性的，而是突然发生的——系统一旦越过阈值，正反馈会加速恶化。
四、哪些模型通过了阈值，哪些没有
4.1 实验设置
研究在 7 个主流模型 × 3 个数据集（GSM8K、MATH、StrategyQA）上进行了严格控制变量的实验。关键控制：每次迭代使用相同的最大 token 预算，保证比较的公平性。
4.2 实验结果
| 模型 | EIR（估计） | 迭代后效果 | 是否通过阈值 |
|---|---|---|---|
| o3-mini | 0%（未检测到） | +3.4pp | ✅ 通过，显著受益 |
| Claude Opus 4.6 | ~0.2% | +0.6pp | ✅ 通过，轻微受益 |
| o4-mini | ~0% | +/-0pp | ✅ 通过，效果持平 |
| GPT-4o | 未公开 | 未公开 | 未知 |
| GPT-5 | 未公开，但方向已知 | -1.8pp | ❌ 未通过，降级 |
| Claude Opus 4.5 | 未公开 | 未公开 | 未知 |
| GPT-4o-mini（无验证技巧） | 约 2% | -6.2pp | ❌ 未通过，严重降级 |
4.3 为什么 GPT-5 在迭代中降级
GPT-5 的 EIR 超过了 0.5% 阈值，这意味着它的每次迭代中引入新错误的概率太高，以至于纠错收益被完全抵消。
这与 GPT-5 作为”最强模型”的印象形成了反差。最强的模型在自纠错中降级——这不是因为 GPT-5 不够强，而是因为：
- GPT-5 的能力已经很强（Acc 很高），因此 Acc/(1-Acc) 的阈值也更高
- GPT-5 的生成往往更复杂（更长的输出），引入新错误的绝对概率也随之增加
- 迭代次数增加时，EIR 的累积效应会被放大
这给 AI 编程工具的使用者一个反直觉的结论：能力最强的模型，不一定是迭代中最可靠的模型。
4.4 Claude Code 的底层模型：Claude Opus 4.7
Claude Code 目前使用的是 Claude Opus 4.7（根据 Anthropic 官方披露）。从实验数据推断，Claude Opus 4.6 的 EIR 约为 0.2%，处于通过阈值的范围内。
这意味着：在 Claude Code 中使用迭代自纠错策略，大概率是有效的，但收益幅度（+0.6pp）不如 o3-mini（+3.4pp）显著。
如果 Claude Opus 4.7 的 EIR 进一步降低（Anthropic 的优化方向），迭代效果会继续提升。
五、先验证再修正：可操作的工程技巧
5.1 技巧的原理
研究还发现了一个可以直接应用的提示工程技巧：在 self-correction 之前加一个独立的验证步骤。
具体做法是：
传统方式（直接修正）：
判断输出是否正确 → 如果不对，直接修改 → 再次判断
改进方式（先验证再修正）：
判断输出是否正确 → 如果不对，先独立验证（不修改）
→ 基于验证结果再决定如何修改
这个技巧的效果是惊人的：在 GPT-4o-mini 上，EIR 从约 2% 降至约 0%，迭代效果从 -6.2pp 变为 +0.2pp（McNemar p < 10^-4，统计显著）。
5.2 为什么验证步骤有效
分析：
EIR 的来源：修改时引入的新错误
验证步骤的作用：把"修改时引入错误"和"判断是否错误"分开
没有验证：
Agent 在判断"代码是否正确"的同时，就在脑子里同步修正
→ 判断行为和修改行为耦合
→ 修正时产生的错误会立即影响下一次判断（正反馈失控）
有验证：
Agent 先单独判断"代码是否正确"（不修改）
→ 验证结果独立于修改行为
→ 修正时产生的错误不会污染验证判断
→ 反馈回路被打破，正反馈失控条件不再满足
5.3 在 Claude Code 中的应用
这个技巧在 Claude Code 中的实际应用方式：
# 不要这样做（直接修正）
> 帮我修一下这个 bug。
> 让我看看...应该是 XX 问题。我来改一下。
> [直接修改了代码] ← 这里的修改可能引入新错误
# 应该这样做（先验证再修正）
> 帮我修一下这个 bug。
> 让我先验证一下这段代码的当前行为。
> [独立验证，不修改] 运行测试，结果是...
> 基于验证结果，我发现了...我来修改。
> [在验证结论的基础上修改，而不是在判断的同时修改]
这个技巧的核心是：把”判断”和”修改”在时间上解耦，让它们成为两个独立的步骤，而不是同一个思考过程中的耦合行为。
5.4 这个技巧的局限性
研究特别指出：这个技巧对已经低于 EIR 阈值的模型几乎无效。
原因：验证技巧的作用是降低 EIR（减少引入新错误的概率）。如果一个模型的 EIR 已经接近 0，验证技巧就没有额外的改善空间了。
因此：
- o3-mini、Claude Opus 4.6、o4-mini（已通过阈值）：验证技巧效果不大
- GPT-4o-mini（EIR 约 2%）：验证技巧效果显著
- GPT-5（EIR 超阈值）：验证技巧可能有帮助，但需要更多实验验证
六、给 AI 编程工具使用者的建议
6.1 按模型调整自纠错策略
基于研究结果，针对不同模型的自纠错策略建议：
| 模型 | 推荐策略 | 理由 |
|---|---|---|
| Claude Opus 4.7（Claude Code） | 适度使用，监控效果 | EIR 低于阈值，迭代有效，但收益幅度适中 |
| o3-mini | 可以更积极地使用 | EIR 接近 0，迭代收益最显著（+3.4pp） |
| GPT-5 | 避免盲目迭代，最多 1-2 次 | EIR 超阈值，迭代可能降级 |
| GPT-4o-mini | 使用”先验证再修正”技巧 | 验证技巧可将 EIR 从 2% 降至近 0 |
6.2 如何监控自纠错是否有效
在实际使用中，如果你不确定某个模型在你的任务上的 EIR，可以通过以下方法监控：
监控方法：
1. 记录每次迭代前后的结果质量（正确/错误）
2. 连续迭代超过 2 次后，评估结果是否在改善
3. 如果连续 2 次迭代后结果反而变差，立即停止迭代，回退到初始版本
触发回退的信号：
- 第三次迭代后，需要的修改比第二次更多
- 迭代后出现了之前没有的错误类型
- 测试覆盖率在迭代中下降
6.3 构建自适应的迭代策略
一个更高级的策略是：根据中间结果动态调整迭代次数：
自适应迭代策略：
迭代 1：如果正确，停止
迭代 2：如果错误且与迭代 1 性质不同，继续
迭代 3：如果错误且与迭代 2 性质不同，继续（谨慎）
迭代 4+：停止，回退到迭代 1 或迭代 2 的结果
（进入正反馈失控的可能性已经很高）
七、结语：测量是优化的起点
这篇论文最深刻的意义，不是告诉我们哪些模型在迭代中会降级，而是提供了一个可以测量的框架。
在 LLM 自纠错这个问题上，过去的做法是：
- “这个模型好像越改越差”（凭感觉）
- “多试几次可能就好了”（盲目迭代）
控制理论框架提供的做法是：
- 测量 ECR 和 EIR（可操作的指标）
- 与阈值比较（可量化的决策边界）
- 根据结果调整策略（数据驱动的优化）
这正是 AI 编程工具走向工程化成熟的关键：从”感觉”到”测量”，从”大概”到”精确”。
下一次当你发现模型的迭代开始变糟时，不要急于尝试第四次修改。先停下来，测量一下：它在迭代中的表现，是在变好还是在变差？
测量是优化的起点。
本文核心内容来自论文「When Does Self-Correction Work for LLMs? A Control-Theoretic View」（arXiv:2604.22273），Jingxiang Meng et al.，2026-04-24