語言模型中的多模態(tài)思維鏈推理

Multimodal Chain-of-Thought Reasoning in Language Models

Feb 2023

Zhuosheng Zhang, Aston Zhang, Mu Li, Hai Zhao, George Karypis, Alex Smola

[Shanghai Jiao Tong University, Amazon Web Services]

https://arxiv.org/abs/2302.00923

https://github.com/amazon-science/mm-cot? ? ?2.2k stars

大型語言模型(LLM)通過利用思想鏈(CoT)提示生成中間推理鏈作為推斷答案的基本原理覆获,在復(fù)雜推理方面表現(xiàn)出令人印象深刻的性能模狭。然而,現(xiàn)有的CoT研究集中于語言模態(tài)卿啡。我們提出了多模式CoT昔瞧,它將語言(文本)和視覺(圖像)模式結(jié)合到一個兩階段框架中指蚁,該框架將理論基礎(chǔ)生成和答案推理分開。通過這種方式自晰,答案推理可以更好地利用基于多模態(tài)信息的推理凝化。使用多模態(tài)CoT,我們的模型在10億個參數(shù)下的性能在ScienceQA基準(zhǔn)上比之前的最先進(jìn)LLM(GPT-3.5)高出16個百分點(75.17%->91.68%的準(zhǔn)確度)酬荞,甚至超過了人類性能搓劫。代碼可在以下網(wǎng)址公開獲取https://github.com/amazon-science/mm-cot.

Large language models (LLMs) have shown impressive performance on complex reasoning by leveraging chain-of-thought (CoT) prompting to generate intermediate reasoning chains as the rationale to infer the answer. However, existing CoT studies have focused on the language modality. We propose Multimodal-CoT that incorporates language (text) and vision (images) modalities into a two-stage framework that separates rationale generation and answer inference. In this way, answer inference can leverage better generated rationales that are based on multimodal information. With Multimodal-CoT, our model under 1 billion parameters outperforms the previous state-of-the-art LLM (GPT-3.5) by 16 percentage points (75.17%->91.68% accuracy) on the ScienceQA benchmark and even surpasses human performance. Code is publicly available available at https://github.com/amazon-science/mm-cot.

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市袜蚕,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌绢涡,老刑警劉巖牲剃,帶你破解...
    沈念sama閱讀 221,548評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異雄可,居然都是意外死亡凿傅,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,497評論 3 399
  • 文/潘曉璐 我一進(jìn)店門数苫,熙熙樓的掌柜王于貴愁眉苦臉地迎上來聪舒,“玉大人,你說我怎么就攤上這事虐急∠洳校” “怎么了?”我有些...
    開封第一講書人閱讀 167,990評論 0 360
  • 文/不壞的土叔 我叫張陵止吁,是天一觀的道長被辑。 經(jīng)常有香客問我,道長敬惦,這世上最難降的妖魔是什么盼理? 我笑而不...
    開封第一講書人閱讀 59,618評論 1 296
  • 正文 為了忘掉前任,我火速辦了婚禮俄删,結(jié)果婚禮上宏怔,老公的妹妹穿的比我還像新娘奏路。我一直安慰自己,他們只是感情好臊诊,可當(dāng)我...
    茶點故事閱讀 68,618評論 6 397
  • 文/花漫 我一把揭開白布鸽粉。 她就那樣靜靜地躺著,像睡著了一般妨猩。 火紅的嫁衣襯著肌膚如雪潜叛。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,246評論 1 308
  • 那天壶硅,我揣著相機與錄音威兜,去河邊找鬼。 笑死庐椒,一個胖子當(dāng)著我的面吹牛椒舵,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播约谈,決...
    沈念sama閱讀 40,819評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼笔宿,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了棱诱?” 一聲冷哼從身側(cè)響起泼橘,我...
    開封第一講書人閱讀 39,725評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎迈勋,沒想到半個月后炬灭,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,268評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡靡菇,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,356評論 3 340
  • 正文 我和宋清朗相戀三年重归,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片厦凤。...
    茶點故事閱讀 40,488評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡鼻吮,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出较鼓,到底是詐尸還是另有隱情椎木,我是刑警寧澤,帶...
    沈念sama閱讀 36,181評論 5 350
  • 正文 年R本政府宣布博烂,位于F島的核電站拓哺,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏脖母。R本人自食惡果不足惜士鸥,卻給世界環(huán)境...
    茶點故事閱讀 41,862評論 3 333
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望谆级。 院中可真熱鬧烤礁,春花似錦讼积、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,331評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至鲤脏,卻和暖如春们颜,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背猎醇。 一陣腳步聲響...
    開封第一講書人閱讀 33,445評論 1 272
  • 我被黑心中介騙來泰國打工窥突, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人硫嘶。 一個月前我還...
    沈念sama閱讀 48,897評論 3 376
  • 正文 我出身青樓阻问,卻偏偏與公主長得像,于是被迫代替她去往敵國和親沦疾。 傳聞我的和親對象是個殘疾皇子称近,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,500評論 2 359

推薦閱讀更多精彩內(nèi)容