15 lines
1.0 KiB
Plaintext
15 lines
1.0 KiB
Plaintext
|
# Monimuotoinen CoT-kehottaminen
|
|||
|
|
|
|||
|
|
import { Callout, FileTree } from 'nextra-theme-docs'
|
|||
|
|
import {Screenshot} from 'components/screenshot'
|
|||
|
|
import MCOT from '../../img/multimodal-cot.png'
|
|||
|
|
|
|||
|
|
Perinteisen ajatusketjun sijaan, joka keskittyy kieli-ilmaisuun,[Zhang ym. (2023)](https://arxiv.org/abs/2302.00923) esittivät äskettäin monimuotoinen ajatusketjukehotteen lähestymistavan. Tämä yhdistää tekstin ja näköhavainnon kaksivaiheiseen kehykseen. Ensimmäinen vaihe sisältää järjellisten perustelujen tuottamisen monimuotoisen tiedon perusteella, minkä jälkeen seuraa toinen vaihe – vastauksen päätteleminen, jossa hyödynnetään tuotettuja informatiivisia perusteluja.
|
|||
|
|
|
|||
|
|
Monimuotoinen CoT-malli (1B) on osoittautunut tehokkaammaksi kuin GPT-3.5, erityisesti ScienceQA-vertailussa, jossa se suoriutui paremmin.
|
|||
|
|
|
|||
|
|
<Screenshot src={MCOT} alt="MCOT" />
|
|||
|
|
Kuvan lähde: [Zhang ym. (2023)](https://arxiv.org/abs/2302.00923)
|
|||
|
|
|
|||
|
|
Lisää luettavaa:
|
|||
|
|
- [Language Is Not All You Need: Aligning Perception with Language Models](https://arxiv.org/abs/2302.14045) (Feb 2023)
|