尊龙人生就是博

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 全国党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

逾越CoT!微软剑桥中科院提出MVoT ,直接可视化多模态推理历程

2025-02-14 10:54:49
来源:

猫眼影戏

作者:

年·购

手机检察

  猫眼影戏记者 孟凡刚 报道P6F9A2Y5R3B1T0V4X8W

新智元报道 编辑:KingHZ 【新智元导读】近日 ,微软和剑桥大学宣布推理新要领:多模态思维可视化MVoT。新要领可以边推理 ,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 ,庞大情况下甚至比CoT强20%;箍梢杂隒oT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)在庞大推理方面很是有效。 然而 ,关于庞大的空间推理 ,CoT体现不佳。 但人类的认知能力不但限于语言 ,还能够同时用词语和图像推理。 受这一机制的启发 ,来自微软研究院、剑桥大学和中科院的研究人员 ,在思维链提示的基础上 ,提出了空间推理(spatial reasoning)新范式:多模态思维可视化(MVoT)。 论文地点:https://arxiv.org/pdf/2501.07542 将思维链(CoT)扩展到多模态模型 ,已有的要领尽管能够处理文本和图像 ,但或者严重依赖于独立的视觉 ?榛蛲獠抗ぞ ,难以适应更庞大的空间推理任务;或者可视化太过简化 ,推理历程难以理解。 论文作者Chengzu Li在X上解释MVoT的焦点设计理念:「MVoT逾越了思维链(CoT) ,可以让AI利用生成的视觉图像去想象它的思考。通过融合语言和视觉推理 ,MVoT使庞大问题的解决变得越发直观、可更具解释性、越发强大。」 具体而言 ,MVoT要微调自回归多模态大语言模型(MLLM)。为了提升推理历程的可视化质量 ,引入了token差别损失 ,弥补了划分训练的分词器(tokenizer)的差别。 文章亮点: 多模态思维可视化(MVoT)将文本与视觉统一在推理历程中 ,将自然生成视觉思维作为推理历程的一部分。 在Chameleon-7B中实现了MVoT ,并在自回归多模态大语言模型(MLLM)中引入了token差别损失(token discrepancy loss) ,以弥补划分训练的文天职词器和图像分词器之间的差别。 实验结果标明 ,MVoT在庞大场景中比思维链(CoT)更优的适应性和稳健性。 MVoT和CoT组合可以进一步提高性能上限。 架构 给定一个多模态输入序列 ,模型需要生成交织的多模态思维 ,作为推理历程的组成部分 ,并最终生成最终谜底。 设 体现一个预训练的多模态大语言模型(MLLM) ,其参数为θ ,x体现多模态输入序列 ,z和v划分体现语言思维序列和图像思维序列。 在多跳(multi-hop)空间推理任务中 ,给定输入x ,思维链(CoT)提示生成中间办法 其中每个样本基于输入和之前生成的办法顺序采样。最终的输出基于所有先前的办法得出。 MVoT通过为每其中间办法添加图像v^i可视化来增强这一历程 ,然后凭据先前的办法 和可视化 采样后续办法 ,如图1所示。 图1:多模态思维可视化(MVoT)推理历程与其他要领的比照 多模态思维可视化(MVoT)让多模态大语言模型(MLLMs)能在差别模态之间生成交织的推理轨迹。 古板的CoT仅依赖于语言思维 ,而MVoT则通过增进视觉思维来可视化推理轨迹。 这个推理范式类似于人类的认知方法 ,能够无缝地在文字和图像之间进行思维。 训练 多模态序列建模如图3所示 ,使用Chameleon的架构 ,利用统一的Transformer来处理图像和文本token。 该架构集成了两个tokenizer: 图像tokenizer使用离散的码本(codebook)将输入图像编码为一系列图像token;文本tokenizer则将文本数据映射为相应的token序列。 这些token序列被连接在一起并由因果Transformer模型处理。 损失函数 因果Transformer模型利用下一个token预测目标进行微调 ,同时两个tokenizer在整个历程中坚持冻结状态。 训练的损失函数要同时考虑图像token差别损失 ,以及文本token和图像token的交叉熵损失 ,界说如下。 其中token差别损失要对与真实标签显著偏离的token施加处分 ,弥合了语言建模与视觉嵌入空间之间的差别 ,同时确保梯度的连续性。 实验结果 有效性实验 作者在三个动态空间推理任务中进行大宗实验 ,验证了MVoT的有效性。 MAZE和MINIBEHAVIOR聚焦于与空间结构的交互 ,而FROZENLAKE强调在动态情况中的细粒度模式识别。 实验结果标明 ,MVoT在任务中的体现具有竞争力 ,在高难度的FROZENLAKE场景中 ,MVoT的体现比古板的思维链(CoT)横跨了20%多。 差别系统变体在任务中的实验结果。 三个模拟任务的实验结果标明 ,Direct保存过拟合问题 ,准确率约为70%。 GPT-4o的体现更差。相比之下 ,MVoT展现出不绝的革新。 在MAZE和MINIBEHAVIOR上 ,MVoT的准确率凌驾90% ,可与CoT相媲美。 而在FROZENLAKE上 ,MVoT的准确率为85.60% ,优于Direct和CoT。 这标明MVoT比CoT拥有更好的稳定性和稳健性。 别的 ,MVoT还提供了语言和视觉形式的中间推理状态 ,可以更清晰、更直观地舆解推理历程。 定性剖析 图4展示了FROZENLAKE中生成图像的正确与过失示例。 可视化生成的过失分类如下: (1)过失可视化(Wrong Visualization):生成的可视化内容禁绝确。 (2)多余图形(Redundant Patterns):在预期修改区域外可视化了不须要或无关的图形。 图4:定性剖析示意图。 别的 ,与MAZE和MINIBEHAVIOR相比 ,在FROZENLAKE任务中 ,视察到随着模式庞漂后的增加 ,生成图像的细节经;岜涞媚:。 在重建的图像与原始图像之间也视察到类似的差别。 这种变异性经常导致细粒度细节的丧失或扰动 ,反应了MLLM在表达能力上的局限性。 定量剖析 为了评估生成的视觉推理的质量 ,基于已识别的过失类型界说了自动化评估指标: 可视化准确率(V-Acc.):权衡在网格中对应于下一步操作的预期修改是否被准确可视化。 可视化模式冗余度(V-Red.):评估目标修改区域之外是否保存非预期的视觉模式。 可视化正确办法(V-Steps):操作序列中前k个连续正确可视化的平均长度。 可视化正确比率(V-Ratio):操作序列中前k个连续正确可视化的平均比例。 作者报告了MAZE和MINIBEHAVIOR中可视化位置的定量结果 ,如下所示。 表3:token差别损失对MVoT视觉思维定量指标的影响 上图中 ,最佳结果以加粗形式标出。带有↑的指标体现值越高性能越好 ,反之亦然。 Token差别损失函数剖析 Token差别损失提高了可视化的准确性并减少了冗余。 如表3所示 ,token差别损失增强的MVoT能够生成高度准确且模式冗余最小的可视化内容。 纵然在递归生成场景中 ,在推理历程中依然实现了95%的平均正确和连续可视化。 相比之下 ,缺少token差别损失会显著降低生成质量:没有的MVoT经;嵘啥嘤嗤夹 ,且未能准确捕获状态转换。 这些结果与图像编辑场景中的发明一致 ,如图5所示 ,图中展示了MAZE在差别训练周期的定量指标。 图5:MAZE在差别训练周期的定量指标 MVoT和CoT的组合 MVoT在推理中与CoT的能力可以相互增补。 正如作者Chengzu Li所言:「MVoT不会取代CoT ,而是提升了CoT。通过组合MVoT和CoT ,多模态推理和语言推理的协同作用解锁了性能上限 ,证明两种推理范式可能比一种更好!」 在两种要领的组合中 ,如果MVoT或CoT中的任一要领生成了正确的预测 ,则认为该数据点正确。 如表4所示 ,在MAZE和MINIBEHAVIOR上 ,上限性能抵达了接近100%的准确率;在FROZENLAKE上 ,抵达了92%的准确率。 表4:通过组合CoT和MVoT在三个任务中的预测所抵达的性能上限。 文中也讨论了消融实验 ,并在附录中给出了更多的实验细节。 虽然 ,这项研究也有局限性 ,作者建议借鉴扩散模型中的图像生成技术 ,作为未来革新的偏向。 别的 ,在推理历程中 ,显式生成可视化会引入盘算开销。 为了解决这一问题 ,作者提倡进一步研究使用更少token的紧凑的图像体现 ,以降低可视化生成的盘算本钱。 作者介绍 共一作者Chengzu Li在微软研究院实习时加入了全程事情。目前 ,他是剑桥大学语言技术实验室的盘算、认知与语言学博士生。在攻读博士学位之前 ,他在剑桥大学盘算机科学系获得了高级盘算机科学硕士学位。他本科就读于西安交通大学自动化专业。 共一作者Wenshan Wu , 目前是微软亚洲研究院(MSRA)的高级研究软件开发工程师。之前 ,曾在腾讯担当软件工程师。她从中国科学院获得了硕士学位。 参 考资料: https://arxiv.org/abs/2501.07542 https://x.com/li_chengzu/status/1879168974988173573

??时事1:国内野战老熟妇

??02月14日,西藏自治区政协原副主席姜杰被最高检决定逮捕,

  我经常对我的学生说:要用心听课 ,尊师重道 ,亲其师 ,信其道。不尊重老师 ,也就不在乎学业 ,也就是不尊重自己。对自己不卖力。所以课堂上要做到眼到 ,心到 ,口到 ,手到 ,我问你答 ,要做到入室即静 ,入室即学 ,少讲闲话。不要小看这些细节和习惯 ,做好了 ,你就强人一等。

,下一页国产精品20p。

??02月14日,《国家医疗保障局关于印发〈长期护理保险失能等级评估机构定点管理办法(试行)〉的通知》 政策解读,

  “那皮孩子在哪 ,让我们看一看究竟是不是三头六臂 ,一日间竟能连创纪录。”

,一级a中文在线播放,免费毛片A片AAA视频,ydyes跳转。

??时事2:久久精视91

??02月14日,美联社:哈里斯正式获得美国民主党总统候选人提名,

  首先 ,是提高班子实力 ,建设高素质农村下层干部的内在需要。在竞争日趋猛烈的今天 ,在座的列位能否得心应手的事情 ,进一步生长农村经济 ,真正适应新形势 ,熟练自如地开展各项事情 ,要害是要看各人能否坚持不懈地学习种种知识和技术 ,不绝提高自身素质。通过此次换届选举 ,我们选出了群众公认的村干部 ,你们的群众基础很好 ,可是有许多新的同志才进班子 ,对村里事情和种种情况还不熟悉 ,还不可很好的进入村干部角色 ,对事情具有一定的滞后性;在原班子中 ,也部分同志在事情作风、事情要领、事情效率等方面 ,仍然不可完全适应形势要求 ,具体来讲 ,保存以下几方面的不适应:一是思想看法不适应 ,思想不敷解放 ,市场经济的竞争看法、效益看法、规模看法、科技看法、质量看法、法制看法等还不强;二是领导治理水平不适应 ,事情仍停留在一种低条理、低要求和低水平上 ,事情要领仍然用土步伐、老经验 ,处理问题没程序 ,效劳不讲战略;三是事情作风不适应 ,仍未从关闭运行的圈子里走出来。以上这些不适应 ,归纳一点就是基本素质不适应。如果我们不可正视以上问题 ,不可接纳有效步伐尽快解决和克服以上问题 ,那么建设高素质干步队伍 ,全面建设小康社会的雄伟目标就是空话一句。解决素质不适应的问题 ,说究竟最基础的步伐照旧要靠学习。我们现在办培训班 ,对农村干部进行培训 ,就是为了逐步解决这个问题。同志们一定要认清形势 ,提高认识 ,务必以高度的紧迫感和责任感 ,加入培训 ,重视学习;不绝提高自身素质 ,努力成为自觉的、清醒的、有所建树的、群众信任的农村事情领导者。

,AV精灵怎么下载视频播放软件app,一级毛卡免费视频在线观看,国产尤物三级片网站在线观看免费。

??02月14日,“五一”假期“向云端” 浙江低空游览借势“起飞”,

  这头生灵眸孔酷寒 ,并无一语 ,盯住小不点展开绝杀 ,它的速度太快了 ,宛若一道闪电 ,并且力大无穷 ,极端恐怖。

,国产嫖娼视频,10000部18以下 看,我强进了老师身体在线观看。

??时事3:图片区小说区激情区偷拍区

??02月14日,(申城风景线)沪版骑楼风景“换装”:激活建筑延续记忆,

  最后 ,预祝我们这个班办成一流的班 ,同志们成为一流的学员 ,回去以后创立一流的业绩。

,wwwXXNXXXX性感,日本视频同人色色,site:xlgadget.com。

??02月14日,国家金融监管总局:三年来银行机构向脱贫地区累计发放贷款19.7万亿元,

  在20xx年度事情中 ,我校各项事情突出 ,荣获十余项县、市级集体奖项 ,在年度教育教学目标治理考核中 ,再次评为县一等奖。 这些结果的取得 ,离不开全校教职工的辛勤劳动和默默支付。结果来之不易 ,经验弥足珍贵。

,空间在手情人赶走,欧美多毛BBBBBⅩXXXX,福利导航网址在线不卡。

??时事4:成年人电影AV

??02月14日,巴基斯坦与伊朗采取行动缓和双边紧张局势,

  若是一般的人一个照面就成劫灰了 ,而对方有这样的赤羽共计十八根 ,这还怎么打 ?一定是一个超等局势力在脱手。

,向日葵视频app苹果版,欧美日韩综合一区,好大好紧好硬好硬爽泳池。

??02月14日,北约秘书长涉乌克兰最新表态,谈到这几个问题,  2023年3月23日 ,陕西省卫健委联合省医保局、省药监局召开了全省医疗领域深入开展群众身边糜烂和作风问题专项整治暨清廉医院建设试点事情安排视频会。,成视频年人黄网站免费视频高潮,女子隐私网站大全,美女色黄APP视频。

责编:康雄乡

审核:唐伯超

责编:肖雅文

相关推荐 换一换

Copyright (C) 2001-2025   dzwww.com. All Rights Reserved

新闻信息效劳许可证 - 音像制品出书许可证 - 广播电视节目制作经营许可证 - 网络视听许可证 - 网络文化经营许可证

山东省互联网传媒集团主办  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001-2025 Dzwww   鲁ICP备09023866号-1

网站地图