谷歌DeepMind研究团队最近取得重大突破，开发出名为SCoRe（Self-Correction through Reinforcement Learning，通过强化学习进行自我纠正）的创新技术。这一技术旨在解决大型语言模型(LLM)难以自我纠正的长期挑战，无需依赖多个模型或外部检查即可识别和修复错误。SCoRe技术的核心在于其两阶段方法。第一阶段优化模型初始化，使其能在第二次尝试时生成修正，同时保持初始响应与基础模型的相似性。第二阶段采用多阶段强化学习，教导模型如何改进第一和第二个答案。这种方法的独特之处在于它仅使

["谷歌DeepMind最新研究发现,大型语言模型难以自主纠正推理错误","研究发现,模型试图仅靠自身纠正最初反应时往往出错","研究人员认为目前安全敏感场景下,自我纠正能力非常重要","通过投票达成一致反应可以实现自我一致,但不等同自我纠正","需要进一步研究改进,提高语言模型自我纠正能力"]