本文"Automatically Correcting Large Language Models: Surveying the landscape of diverse self-correction strategies"主要探讨了大语言模型（LLMs）的自我纠正策略，具体内容如下：
- 引言
- LLMs的发展与问题：LLMs在NLP任务中表现出色，但存在如幻觉、推理不忠实、生成有害内容和不遵循规则等问题，这些问题阻碍了其在实际中的应用。
- 自我纠正策略的兴起：为解决这些问题，一种流行的策略是让LLMs从反馈中学习，其中利用自动化反馈的自我纠正方法备受关注，因为它能减少对人工反馈的依赖，使基于LLM的解决方案更实用。
- 自动反馈纠正LLMs的分类法
- 概念框架：提出了一个概念框架，将纠正LLMs的过程类比为医疗过程，涉及语言模型（患者）、评论模型（医生和诊断）和优化模型（治疗）三个部分。并基于此框架，从五个关键维度对现有方法进行分类，包括纠正的问题、反馈的来源和格式、反馈的使用时间以及如何用反馈纠正模型。
- 具体分类
- 纠正的问题：主要包括幻觉、推理不忠实、有毒有害内容和代码缺陷等四类错误。
- 反馈的来源：分为人类反馈和自动化反馈，本文重点关注自动化反馈，其又可分为自反馈（来自LLM自身）和外部反馈（来自外部模型、工具或知识源）。
- 反馈的格式：通常为标量值信号或自然语言，标量值反馈便于集成到训练/解码过程，但信息性较弱；自然语言反馈表达力更强，但收集难度较大。
- 反馈的使用时间：分为训练时纠正、生成时纠正和事后纠正。训练时纠正理想但受限于实际情况；生成时纠正可在生成过程中利用反馈引导模型；事后纠正灵活性高，能利用自然语言反馈，增强解释性。
- 用反馈纠正模型的方式：包括自我训练、生成后排序、反馈引导解码等多种具体策略，将在后续章节详细介绍。
- 训练时纠正
- 从人类反馈中学习
- 直接优化人类反馈：通过收集人类对模型输出的反馈，直接优化模型参数，但仅使用正数据进行微调可能限制模型识别和纠正错误的能力。
- 奖励建模和RLHF：训练奖励模型来模拟人类反馈，然后使用强化学习算法优化模型，如RLHF及其变体在使LLMs更有益和减少有害性方面已被证明有效。
- 利用自动化反馈学习
- 外部指标指导：利用外部指标提供的反馈进行训练时纠正，多数方法采用非可微训练技术，如最小风险训练等，但可能导致模型对某些指标的鲁棒性不足。
- 自我训练：利用语言模型自身的输出来提供反馈，如STaR、Huang等人的研究，通过选择正确答案的推理路径进一步微调LLM，或采用批判-修订-监督学习策略来减少有害响应，还有如AlpacaFarm、ReST等研究展示了LLMs通过自我训练实现自我改进的能力。
- 从人类反馈中学习
- 生成时纠正
- 生成后排序：LLM生成多个候选输出，评论模型根据反馈选择最佳输出，常与思维链提示法结合用于复杂推理任务，不同作品中提出了多种评论模型，如DIVERSE、Weng等人、RR、LEVER、CodeT等。
- 反馈引导解码：为解决生成后排序的局限性，该策略在生成过程中利用步级反馈提供细粒度指导，通过评论模型在每个推理步骤提供反馈，采用搜索算法引导解码过程，相关作品在获取评论模型的方法上有所不同，包括使用人类反馈、训练验证器、外部指标、外部知识和自我评估等，同时采用不同策略控制解码过程，如Tree-of-Thought采用广度优先搜索和深度优先搜索，GRACE和Xie等人采用波束搜索，CoRe和RAP采用蒙特卡洛树搜索。
- 事后纠正
- 自我纠正：使用LLM生成反馈并改进自身输出，如Self-Refine、Clinical Self-Verification、Reflexion等研究，此策略对模型能力要求较高，较小的开源模型可能难以有效改进输出，SelFee提出通过训练模型模拟自我纠正过程。
- 模型/工具作为反馈
- 代码解释器：在代码生成中，常用程序执行器作为反馈源来改进初始代码，如Self-Edit、Self-Debug、ALGO等研究，还用于软件的形式验证。
- 逻辑推理器：如Logic-LM和Baldur利用外部工具增强LLMs推理的准确性，通过将问题转换为逻辑形式并使用外部符号求解器进行推理，或利用现有搜索证明助手作为反馈源。
- 外部知识：外部知识可用于检测和修正LLM输出中的事实性错误，如RARR、REFEED、LLM-Augmenter、FACTOOL等研究，通过检索证据来调查和修正输出。
- 训练模型：微调专门的模型用于生成反馈，如CodeRL、REFINER、RL4F等研究，这些批评模型可与其他语言模型配对，在迭代优化循环中提供反馈。
- 集成多种工具：CRITIC将多种工具集成在统一框架中，提供更全面的反馈。
- 多智能体辩论：多个LLM实例相互提出和辩论各自的回答，以得出共同的最终答案，如Du等人、PRD、LM vs LM、Fu等人的研究，此方法在推理任务、检测事实性错误和模拟现实任务等方面具有应用潜力。
- 应用领域
- 事实性纠正：许多自动化纠正策略可用于事实性检测和纠正，是LLM-based事实纠正或检查系统的基础。
- 推理任务：LLMs在推理任务中需要识别和纠正中间推理错误，现有方法包括基于LLM的辩论技术和自优化技术，以及利用外部反馈的技术，但在更广泛的推理任务中的应用仍有待探索，尤其是归纳和溯因推理。
- 代码合成：代码生成中纠正至关重要，LLMs可通过读取编译器错误等反馈进行自我纠正，也有研究利用更细粒度的反馈，如程序解释和与参考程序比较，但自我修复在反馈阶段存在瓶颈，且关于其在不同模型中的适用性存在疑问。
- 其他应用
- 开放式生成：用于纠正生成文本的主观质量，如有毒/有害输出、增强故事生成的叙事质量和优化对话中的回复生成，常依赖自然语言反馈和迭代优化策略。
- 机器翻译：事后自我纠正概念在机器翻译中称为自动后期编辑（APE），已有多种方法用于训练模型修复翻译错误，包括学习人类校正数据或合成训练数据，以及利用LLMs的上下文学习能力进行后期编辑，同时训练时和解码时的纠正方法也被采用。
- 总结：自动化模型纠正常用于确保生成摘要的事实性，包括训练时施加事实性约束和事后编辑纠正错误，近期研究还探索了使用强化学习来优化模型。
- 研究空白与未来方向
- 理论依据：LLMs的自我纠正能力缺乏理论解释，未来研究可探索其与元认知意识和校准的关系，以及反馈信号整合与语言模型对齐的问题，包括如何有效生成提示指令等。
- 自我纠正能力的测量：当前缺乏定量指标来理解和评估LLMs的自我纠正能力，未来需建立全面的评估框架和诊断基准，考虑任务复杂性、初始错误程度和自我纠正后的质量改进等因素。
- 持续自我改进：LLMs在实际应用中需要持续自我改进，类似于持续学习，但目前自我训练研究集中于单次纠正，持续自我改进的稳定性和鲁棒性未知，未来可探索如何整合不同的自我纠正技术，如利用事后纠正收集训练数据，指导训练时纠正。
- 结合模型编辑的自我纠正：模型编辑技术可实现细粒度纠正，避免大规模重新训练，将其纳入LLM自我纠正过程是未来研究方向，有助于理解自我纠正机制和减少副作用。
- 多模态自我纠正：现有自我纠正策略多限于文本模态，未来可探索多模态LLMs的自我纠正能力，包括视觉反馈的纳入和通过自我纠正改进视觉-语言任务，但目前在多模态环境中的应用还不广泛，需深入理解其在不同模态中的通用性。