Stepanida Alekseeva

思维之树框架增强文本到图像生成

研究人员引入了一个思维之树（ToT）推理框架，以改进文本到图像的上下文学习（T2I-ICL）。这种新方法解决了当前多模态大型语言模型在从少样本示例中推断组合模式时面临的挑战，这些挑战常常导致提示构建和图像生成中的错误。ToT框架通过在合成最终图像之前生成、评估和选择多个假设来增强推理能力，从而减轻歧义并提高语义对齐。在CoBSAT基准上的评估表明，这种结构化的、多分支的推理方法比基线和思维链策略产生更一致的结果，且无需额外训练。