Idea: 多模态思维链推理框架

概述

探索如何在视觉-语言模型中构建有效的思维链推理能力。

详细描述

思维链(Chain of Thought)推理在语言模型中取得显著成功,但在多模态场景中的应用尚不成熟。本项目旨在:

• 设计适用于 VLM 的思维链 prompting 策略
• 研究视觉特征与文本推理的交互机制
• 构建可解释的多模态推理基准

关联论文

• 2201.11903 (Chain of Thought Prompting Elicits Reasoning)
• 2304.11485 (Visual Chain of Thought)

标签

multimodal, reasoning, chain-of-thought, vision-language

关联实验

• multimodal-cot-prompting

状态

active