1、写作动机：

大语言模型有时会显示不一致性和问题行为，例如产生幻觉事实、生成有缺陷的代码或创建令人反感和有毒的内容。与这些模型不同，人类通常利用外部工具来交叉检查和改进他们的初始内容，比如使用搜索引擎进行事实检查，或者使用代码解释器进行调试。作者受到了这一观察的启发写了这一文章。

2、主要贡献：

（1）提出了统一的CRITIC框架，通过集成各种工具和不同任务，并提供一系列新提示，使冻结的LLMs能够通过与外部工具的交互验证和迭代自我修正其输出。

（2）在不同的基础LLMs上进行了跨任务的全面实验，展示了CRITIC所提供的显著性能改进。

（3）强调LLMs在自我验证和自我修正方面的不足，并强调外部工具交互的反馈对LLMs的一致自我改进至关重要。

3、方法：

4、实验：

4.1QA方面：

4.2数学程序方面：

4.3毒性减少方面：