Sample More, Reflect Less: Self-Refine and Reflexion Lose to Repeated Sampling at Equal Token Cost, from 1.5B to 7B

论文解决了什么问题

论文在相同生成 token 成本下比较七种自改进方法与重复采样，覆盖 1.5B、3B、7B 模型和两个数学基准。36 组比较中没有方法可靠胜过重复采样，18 组模型自检比较全部为负，说明反思、重写或辩论的收益必须先排除纯计算量增加。