研究人员推出了一种新颖的推理框架——认知链式思维 (CoCoT),旨在改进视觉语言模型 (VLM) 处理复杂社会情境的能力。CoCoT将VLM的推理过程分为三个 distinct 阶段:感知 (Perception)、情境 (Situation) 和规范 (Norm),旨在弥合视觉理解与基于规范的推理之间的差距。在多模态意图消歧和心智理论等各种任务上的评估显示,性能有了显著提升,平均增幅达到4.6%至5.9%。此外,在CoCoT结构化轨迹上对模型进行微调表明,模型能够内化这种推理模式,从而提高可解释性和社会对齐性。 AI
影响 增强了VLM的可解释性和社会对齐性,有望带来更可靠的多模态系统。
排序理由 该集群描述了一篇介绍AI模型新推理框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →