田渊洞在访谈中探讨了博士生内心驱动力与外部反馈的关系，分析了追求颠覆性研究与注重实用性改进的两类研究者。他认为这两类研究者都很重要，未来可能会在危机中合并，强调技术领导者需把握方向，促进团队协作。

本研究提出了一种自适应分支蒙特卡洛树搜索（AB-MCTS）框架，旨在解决推理时间计算中外部反馈信号利用不足的问题。该框架通过动态调整拓宽或深入响应，提升了大语言模型的推理能力，实验结果表明其在复杂任务中优于传统方法。

本研究探讨大型语言模型（LLMs）在形式化复杂数学定义中的局限性，并提出两个新资源以支持自动形式化。研究表明，数学定义的形式化难度较大，但通过外部反馈和引导策略，LLMs的自我修正能力显著提高，为其实际应用提供了新方向。

本研究探讨了文本到视频生成模型在动态对象交互中的不足，并提出通过外部反馈提升对象运动真实性的方法。实验结果表明，利用视觉语言模型提供的细致反馈显著改善了复杂对象交互的视频质量，尤其是使用AI反馈的奖励信号，提高了生成结果的人类感知质量。

本文综述大语言模型批判能力研究，评估表明批判对多数模型仍具挑战性，自我批判尤为困难；提出自我检查、CritiqueLLM、CRITIC、MetaCritique等框架，利用外部反馈提升生成质量，并构建心理健康等领域基准。