A COMPREHENSIVE SURVEY ON EMERGING TRENDS IN MULTIMODAL REASONING

828 篇文章

已下架不支持订阅

本文详述了多模态大语言模型在推理能力上的发展,探讨了预训练、调整和评估基准的挑战,以及未来可能的研究方向,旨在提升模型在多模态任务中的推理性能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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。

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。

1 引言

2 推理:定义和评估协议</

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值