Reversing Chain-of-Thought
Reversing Chain-of-Thought (RCoT)（Xue et al., 2023）是什么
RCoT（反向思维链）是一种“先反推问题、再对比一致性、再据此修正答案”的自检框架，用来发现模型答案里潜在的漏条件、错条件、偷换概念、单位/约束不一致等问题。
它的核心流程通常是三段（可迭代）：
-
Answer（正向生成答案）
模型先对原问题给出答案 A（可以含推理，也可以只给结论）。 -
Reverse（基于答案反推/重构问题）
让模型“假设这个答案是对的”，反过来写出一个“它实际上解决的题目/前提/约束”——记为重构问题 Q’。
直观理解：模型在“解释自己到底回答了什么问题”。 -
Compare → Feedback → Revise（对比→反馈→修正）
把原问题 Q 与重构问题 Q’ 做细粒度对比：- 哪些条件在 Q 里有、Q’ 里没有（遗漏）
- 哪些条件在 Q’ 里出现但 Q 没有（擅自添加）
- 数值、单位、范围、对象是否一致
- 输出要求（格式/步骤/边界）是否一致
将不一致转成可执行反馈，再让模型据此修订答案 A → A2。必要时可再循环一轮。
和 Self-Refine / Self-Calibration 的区别
- Self-Refine：先批评再改进（反馈不一定来自“问题重构对比”）
- Self-Calibration：更关注“对不对/有多确定”
- RCoT：反馈的来源更“结构化”——来自 Q 与 Q’ 的一致性检查，尤其擅长抓“我答的其实是另一个题”。
适合的应用场景
- 容易“漏条件/改题”的推理题
- 文字题、应用题、规则题、带多约束的规划题（时间、预算、范围、对象）
- 代码/算法题的规格一致性检查
- 题目要求 O(n) 你却写成 O(n²)
- 要求“忽略大小写/非字母数字/稳定排序”等细节被漏掉
- 生成任务中的硬性约束对齐
- “必须包含A/B/C、不得出现D、字数限制、输出JSON字段齐全”等
RCoT 能发现：你生成的内容实际满足的是“另一个更宽松/不同格式的题目”。
- 对安全/合规要求高的文本
- 规则很细时，模型常“自作主张加内容”，对比能把这种偏移抓出来。
不适合的应用场景（或收益较小）
- 纯开放式创意任务
- 例如写诗、脑暴：不存在明确“原题约束”，对比意义有限。
- 强事实题但缺少外部依据
- RCoT 主要抓一致性，不保证事实真伪；事实正确性仍建议配合检索/RAG。
- 极短简单问题
- “1+1=？”这类不需要额外链路，反而增加成本。
- 你不希望暴露推理过程时
- RCoT 常涉及让模型输出重构与对比细节；在需严格隐藏中间过程的产品里，要做字段化、缩短输出或仅内部运行。
提示词写法（推荐的最小可用链路）
你可以用“三段式”固定模板：
Prompt 1：生成答案（Answer）
- 只让它先产出 A（可要求简洁、含结论）
Prompt 2：反推重构问题（Reverse）
- 给：原问题Q + 模型答案A
- 要求输出：Q’（它实际上回答的题目/隐含条件）
Prompt 3：对比并产出反馈（Compare/Feedback）
- 给：Q 与 Q’
- 输出：不一致清单 + 可执行修正建议（不要直接重写答案）
Prompt 4：根据反馈修订答案（Revise）
- 给：Q + A + 反馈
- 输出：修订版答案 A2（最好要求“严格对齐原题所有约束”）
至少3个中文实战例子（可直接复制）
例子1：应用题/约束易漏（推理一致性）
场景：题目包含多个限制，模型容易忽略其一。
Prompt 1（Answer）：
请解答下题并给出最终结论：
小李买苹果和香蕉共10个，其中苹果比香蕉多2个。苹果每个3元，香蕉每个2元，共花了多少元？
只输出：苹果个数、香蕉个数、总价。
Prompt 2（Reverse：重构问题Q’）：
下面是原问题与一个答案。请“根据答案反推它实际上解决的题目”，写出一个尽可能明确的“重构问题Q’”，包含它隐含使用的条件（如数量关系、价格、总数等）。
原问题Q：小李买苹果和香蕉共10个，其中苹果比香蕉多2个。苹果每个3元，香蕉每个2元，共花了多少元？
答案A：{粘贴模型在Prompt1的输出}输出：只输出重构问题Q’（一段话即可）。
Prompt 3（Compare/Feedback）：
请对比原问题Q与重构问题Q’的差异，找出所有不一致，并转成“可执行反馈”。
输出格式：
- 遗漏条件（Q有但Q’没有）
- 擅自添加条件（Q’有但Q没有）
- 数值/单位/对象不一致
- 输出格式是否符合要求
每条后面给出“如何修正答案”的具体建议。Q：{粘贴原问题}
Q’：{粘贴重构问题}
Prompt 4（Revise）：
请根据反馈修正你的答案。
要求：严格满足原问题Q的所有条件，并按“苹果个数、香蕉个数、总价”输出，不要额外解释。Q：{原问题}
旧答案A：{旧答案}
反馈：{反馈}
例子2：代码题规格对齐（忽略/添加条件检查）
场景：题目规格很多：忽略大小写、忽略非字母数字、复杂度要求。
Prompt 1（Answer）：
用Python实现函数 is_pal(s)，判断字符串是否为回文：
- 忽略大小写
- 忽略所有非字母数字字符
返回 True/False。
请给出代码与2个示例。
Prompt 2（Reverse：反推规格Q’）：
你将看到题目Q与代码答案A。请根据答案A反推：这段代码“实际满足的规格”是什么？写成一段“重构规格Q’”。
Q：判断字符串是否回文：忽略大小写；忽略所有非字母数字字符；返回True/False。
A：{粘贴代码}输出：重构规格Q’（用条目列出：输入处理规则、比较方式、返回、边界行为）。
Prompt 3（Compare/Feedback）：
对比Q与Q’，输出不一致清单，并给出修正建议。重点检查：
- 是否真的忽略了非字母数字
- 是否忽略大小写
- 空字符串/全是符号时返回什么
- 时间复杂度是否合理
输出：
- 不一致点（逐条）
- 对应修正建议（逐条、可执行）
Prompt 4（Revise）：
根据反馈，给出修订版代码。
额外要求：补充至少6个边界测试用例（输入→期望输出），用assert表示。
例子3：生成任务的硬约束（格式/字数/必须包含项）
场景：模型很容易生成“看起来不错但不满足约束”的内容。
Prompt 1（Answer）：
写一段中文产品介绍，要求：
- 100到120字
- 必须包含并仅包含一次关键词：“端到端加密”“零信任”
- 语气面向企业客户
- 结尾必须是一个问句
请直接输出最终文案。
Prompt 2（Reverse：根据文案反推题目Q’）：
下面给出原要求Q和你生成的文案A。请根据A反推出它实际遵循的写作要求（重构要求Q’）。
Q：100-120字；必须且仅一次包含“端到端加密”“零信任”；面向企业；结尾问句。
A：{粘贴文案}输出：重构要求Q’（条目化）。
Prompt 3（Compare/Feedback）：
对比Q与Q’，列出所有不一致，并给出可执行修改建议。
必须逐项检查：字数范围、关键词出现次数、语气对象、结尾是否问句。
输出格式：检查项 | 是否满足 | 证据（引用A中的片段） | 修改建议
Prompt 4（Revise）：
根据反馈重写文案，必须一次性满足所有约束。只输出文案，不要解释。
实用小技巧（让RCoT更稳定）
- 重构阶段要“描述它实际做了什么”：强调“按答案实际行为反推”，避免模型为了迎合原题而“假装一致”。
- 对比阶段用检查清单表格：字段化输出（是否满足/证据/建议）能显著减少漏检。
- 把反馈写成“可执行修改”：例如“把关键词‘零信任’只保留一次，删除第二处出现”。
- 结合停止条件：如果对比显示“全部满足”，就停止；否则最多迭代2-3轮，避免成本失控。
- 对事实正确性：配合检索：RCoT解决的是一致性，不是事实来源。
如果你告诉我你要落地的具体任务（例如：数学应用题批改、代码生成、营销文案合规、客服话术），我可以把RCoT链路改成更贴合的“字段化提示词+停止条件+自动化路由策略”。