突破！LLM自我批评让规划能力暴涨89.3%！DeepMind新方法，不依赖外部验证，小白程序员也能轻松掌握！
大家好，我是PaperAgent，不是Agent！
不借助外部验证器，只让 LLM 反复“自评 + 重写”，就能把 Blocksworld 准确率从 49.8% 飙到89.3%，刷新多项规划 benchmark 的记录。
Self-Critique 带来的暴涨
🖼️ 整体流程一图胜千言
图 1：迭代自评示意
图 1：LLM = 探险家，每轮先“画地图”（生成计划），再“检查地图”（自评），把失败扔进背包，下次再画新地图。
🔍 为什么“自我批评”突然灵了？
过往研究（Valmeekam’23、Huang’24）认为 LLM 自评=假阳性之王，原因：
- 不会真的“逐步验证”动作前提；
- 没有外部 Oracle 给反馈，越改越错。
本文对症下药：
- 显式状态追踪：强制模型每步输出“前提-结果”状态；
- 失败记忆池：把历史错误计划+批评拼回 prompt，避免重蹈覆辙；
- 自一致性投票：同一计划让模型评 5 次，多数表决降低误判。
⚙️ 方法拆解
算法 1 ：
- plan_prompt：16-shot 手工示例（Blocksworld 用 PDDL 描述）
- critique_prompt：零-shot，只给领域定义+“请逐步验证每条动作前提”
🧪 消融实验：哪个组件最值钱？
| 去掉的组件 | 准确率掉到 | 结论 |
|---|---|---|
| 逐步验证每条动作 | 57.5% | 最值钱 |
| 去掉领域定义 | 74.4% | 仍部分可用 |
| 去掉自一致性 | 85.5% | 2-3 pp 差距 |
🌟 跨模型验证：不是 Gemini 一家独秀
| 模型 | 基线 | Self-Critique | 提升 |
|---|---|---|---|
| GPT-4o | 42.8% | 64.2% | +21.4 pp |
| Claude 3.5 Sonnet | 68.0% | 89.5% | +21.5 pp |
| Gemma-2 27B | 略 | 微升 | 小模型收益有限 |
💡 实用启示 & 未来方向
- Prompt 即插件：零-shot 批评模板直接复用到新领域，无需重新训练。
- 成本可控：平均只需 6~14k tokens（≤10 轮迭代）即可收敛。
- 下一步：
- 把“自评”接入 MCTS/ToT 做树搜索；
- 在真实世界规划（旅行、项目管理）上试规模；
- 研究如何减少“假阳性”进一步逼近 Oracle。
🏁 结语
当 LLM 被“强迫”做一位严格的老师，给自己每份作业打红叉，它居然真能把错误率压到新低。
Intrinsic Self-Critique不仅刷新了规划 SOTA，更为“无监督自我提升”提供了一条极简却强大的新范式。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～