Исследователи представили CriticGen — фреймворк для оценки больших языковых моделей, который создает специфичные для каждого запроса критерии. Система формирует оценки, пояснения и рекомендации по исправлению ответов. Согласно результатам тестов, CriticGen повышает качество ответов в 73,17% случаев при уровне отсутствия деградации 93,28%.