接下来，我们通过一个有趣的小实验来证明这种自我迭代的意义。通过自我优化和完善，我们能够解决一些大语言模型无法直接解决的问题。
我们将某句唐诗输入给大语言模型，然后让它回答出下一句是什么。
如上图所示，很明显可以看到，大语言模型无法直接正确回答这个问题。请不要责怪大语言模型，因为人类也会有同样的问题。如果让你立刻根据"直觉"回答这个问题，你也可能无法马上给出正确答案。
那么人脑是如何解决这个问题的呢？
人脑会先判断这首诗是什么，然后在心中将这首诗背出来，再根据题目中的诗句找到上一句是什么。
我们可以仿照这个方法让大语言模型完成这个任务。
注意：我们不需要多次调用大语言模型。我们希望大语言模型利用的自身输出进行迭代优化和完善。
因此我们设计了如下提示：
请根据我给你的唐诗诗句，告诉我它的上一句是什么。
注意，不要凭直觉直接回答。下面是一个具体的例子和实现步骤。
步骤一：当我问你诗句时，给出它的题目。例如根据"黄河入海流"，你得出它的题目"登黄鹤楼"。
步骤二：将整首诗写出来。例如
----
白日依山尽，
黄河入海流。
欲穷千里目，
更上一层楼。
----
步骤三：根据步骤二中的整首诗定位上一句是什么。例如"黄河入海流"的上一句是"白日依山尽"。
请问"两岸猿声啼不住"的上一句是什么？让我们一步一步思考，必须输出你整个思考的过程。
如上图所示，大语言模型完美地回答了这个问题。
这个小实验说明，大语言模型能够根据自己的输出进一步进行优化、完善，甚至推理。这证明了大语言模型在自我迭代和改进方面具有潜力。