本文研究了大型语言模型（LLMs）的判断一致性和批判能力，提出了“跟进质问机制”及评估指标。研究发现，模型在面对质疑时判断一致性显著降低，并探讨了提示语气的影响。开发了自我检查方法以提升模型表现，并提出了新型记忆机制TiM，以增强长期对话生成能力。研究表明，批评训练能提升模型性能，且模型规模对知识一致性有正面影响。

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。

本文综述大语言模型批判能力研究：批判任务对多数模型具挑战性，自我批判尤难；提出CritiqueLLM等模型，性能可比GPT-4，部分无参考任务胜出，其批评可作反馈提升生成质量。研究还涉及生成文本结构连贯性不足、CRITIC外部反馈框架、机器翻译评估元评估、AI文本检测及解释质量评估模型。