超越GPT-4o-mini | 北大开源「国产o1」大模型，{多阶段自主推理}让小模型也能"放大招"...

文章预览

打造一个有温度、有趣味、专业的全栈式AI 交流社区， 用心写好每一篇文章！ “ OpenAI的闭源多模态模型o1再次霸榜好久了，这使得开源界与闭源界之间的差距进一步拉大。 早期的开源视觉语言模型（VLM）主要采用直接预测方法，在回答问题时立即生成简短的答案。这种直接反应范式的主要局限性在于它缺乏结构化的推理过程，这使得它对需要逻辑推理的任务效率较低。大量的研究结果表明， 这些问题的一个重要原因是现有VLM中推理过程的系统性和结构化不足。 具体来说，通过引用系统，该模型不生成直接的推理链，而是参与多阶段推理。另一方面，结构化是指模型能够清楚地识别它所处的推理阶段，并理解每个阶段要解决的主要任务。作者介绍了 LLaVA-o1，这是一种用于进行自主多阶段推理的新型VLM。与思维链提示不同，LLaVA-o1能够独立地参与总 ………………………………