超越CoT！微软剑桥中科院提出MVoT：可视化多模态推理过程

文章预览

点击下方 卡片 ，关注“ CVer ”公众号 AI/CV重磅干货，第一时间送达 点击进入—> 【多模态和论文投稿】交流群 添加微信：CVer2233，助手会拉你进群！ 扫描下方二维码，加入CVer学术星球 ！ 可获得最新顶会/顶刊上的论文idea 和 CV从入门到精通资料，及最前沿应用 ！发论文/搞科研/涨薪必备！ 转载自：新智元 ｜编辑： KingHZ 【导读】 近日，微软和剑桥大学公布推理新方法：多模态思维可视化MVoT。新方法可以边推理，边「想象」，同时利用文本和图像信息学习，在实验中比CoT拥有更好的可解释性和稳健性，复杂情况下甚至比CoT强20%。还可以与CoT组合，进一步提升模型性能。 大模型也学会了「空间想象力」？还可以自己解释自己？ 在大语言模型（LLMs）和多模态大语言模型（MLLMs）中，思维链（CoT）在复杂推理方面非常有效。 然而，对于复杂的 空间推 ………………………………