CRITIC: Large Language Models Can Self-Correct with Tool-Interactive Critiquing

Model 自己检查事实或计算，容易与初稿共享同一个错误。CRITIC 研究让 Critique 访问搜索、代码执行等工具，用额外证据推动当前答案修订。价值在于把纠错过程连接到可观察结果。

如果错误来自缺少事实，反复措辞调整不会增加信息。先让 Model 指出可检查的断言，再调用适合的工具，就能为修订增加独立线索。搜索适合事实、执行器适合计算；反馈形式不同，但都可以转成下一轮修改条件。

feedback 的价值来自验证带来的新增信息，而不只是多生成一段批评文字。编辑理解是，CRITIC 把 self-correction 拆成检查与修改两个环节：model 既要选择有用的检查，也要正确理解结果，才能改善初稿。

沿用原文算术与程序辅助检查场景作教学演示：初稿把若干金额相加算错，Critic 生成一个计算表达式，执行器返回真实结果，Model 对照结果指出错误并修改答案；之后再检查直到停止条件满足。输出是修订后的答案与工具轨迹，具体金额为教学构造。

把整个循环拆成 y_t→tool evidence→critique_t→y_(t+1)。工具可以提供新的信息，但 Model 仍需正确选择查询并解释结果，因此整体正确率受这几步共同限制。没有一个自动保证净收益的乘法公式；应分别测错误被修正和正确答案被破坏的频率。

e_t = Tool(query(x,y_t))
c_t = Critique(x,y_t,e_t)
y_(t+1) = Correct(x,y_t,c_t)

CRITIC 的机制价值是引入与初稿不同的信息源。外部来源依然可能错误，因此应保留检索内容和执行结果，不能只展示一段看起来可靠的 Critique。

最脆弱的假设是工具反馈与目标事实相关且可信。搜到相似但不同对象、生成错误程序或误读单位，都可能让工具为错误答案提供伪支持。

工具能够提供证据，但检索内容或自动评价也会有误差；实现中的工具选择由研究者按任务配置。无参数更新且没有跨任务经验保存，因此不能从迭代次数增加推断长期学习，更不能推断无界 self-improvement。