该文综述大语言模型的自我解释与自我改进研究，涵盖AMPLIFY（自动生成解释以提升预测准确率）、ZARA（利用自然语言推理构建伪数据，在FEB基准上达到SOTA）、TriPosT（让小模型通过反馈纠错缩小与大模型的差距）、SG-ICL（自生成演示以减少外部依赖）、PIT（从人类偏好中隐式学习）以及自解释提示（增强多轮对话理解）。