本研究探讨了提升大型语言模型（LLMs）自我优化能力的方法，包括自省式提示、无监督学习和自我奖励训练等。这些方法在多个自然语言处理任务中显著改善了模型的决策性能和效率，缩小了与大型模型的性能差距。实验结果表明，这些技术有效推动了自我改进的研究进展。