本文是LLM系列文章,针对《EXPLORING THE REASONING ABILITIES OF MULTIMODAL LARGE LANGUAGE MODELS (MLLMS): A COMPREHENSIVE SURVEY ON EMERGING TRENDS IN MULTIMODAL REASONING》的翻译。
探索多模态大语言模型的推理能力&多模态推理新趋势综述
摘要
强大的人工智能(Strong AI)或具有抽象推理能力的通用人工智能(AGI)是下一代人工智能的目标。大语言模型(LLM)的最新进展,以及新兴的多模态大语言模型领域(MLLMs),在广泛的多模态任务和应用中展示了令人印象深刻的能力。特别是,各种MLLM,每个都有不同的模型体系结构、训练数据和训练阶段,已经在广泛的MLLM基准上进行了评估。这些研究在不同程度上揭示了MLLMs当前能力的不同方面。然而,MLLMs的推理能力尚未得到系统的研究。在这项调查中,我们全面回顾了现有的多模态推理评估协议,对MLLMs的前沿进行了分类和说明,介绍了MLLMs在推理密集型任务中应用的最新趋势,最后讨论了当前的实践和未来的方向。我们相信,我们的调查奠定了坚实的基础,并阐明了这一重要主题,即多模态推理。