1344
7
0
2024-10-12 22:46:51
2025-05-15
ACM MM 2024 (The 32nd ACM International Conference on Multimedia) 公布論文錄用通知，團隊的多模態(tài)表征學習論文成果被順利錄用,。ACM MM(ACM International Conference on Multimedia)由國際計算機協(xié)會主辦,，是計算機科學領(lǐng)域中多媒體研究的國際頂級學術(shù)會議，也是中國計算機學會（CCF）推薦的計算機圖形學與多媒體領(lǐng)域A類學術(shù)會議,。會議旨在吸引多媒體,、數(shù)據(jù)分析等領(lǐng)域的學者和專家，并為研究者提供一個共同探討多媒體技術(shù)最新發(fā)展的交流平臺,。
論文題目：Reason-and-Execute Prompting: Enhancing Multi-Modal Large Language Models for Solving Geometry Questions
論文概述：多模態(tài)大型語言模型（MM-LLMs）在各種視覺問答任務中表現(xiàn)出強大的推理能力,。然而，在解決幾何問題時,，他們面臨著缺乏嚴謹推理和精確算術(shù)的挑戰(zhàn),。為了應對這一挑戰(zhàn)，我們提出了一種新的提示方法,，即推理與執(zhí)行（R&E）,，以提高MM-LLMs解決幾何問題的準確性。具體來說,，R&E提示方法包括兩個模板：推理模板和執(zhí)行模板。具體來說,，我們首先采用逆向思維方法來構(gòu)建一個嚴格的推理模板,，以便它引導MM-LLM從問題的最相關(guān)領(lǐng)域知識開始推理，并最終確定算術(shù)要求,。然后,，我們利用程序輔助思想構(gòu)建執(zhí)行模板,，以指導MM-LLMs從推理模板中理解算術(shù)要求并生成可執(zhí)行代碼塊。通過執(zhí)行代碼塊最終獲得答案,。與思維鏈（CoT）和程序輔助語言（PAL）提示方法相比,，我們基于6個真實數(shù)據(jù)集（包括4個幾何數(shù)據(jù)集和2個科學數(shù)據(jù)集）在9個MM-LLMs上評估了R&E提示方法,。與CoT和PAL相比,，R&E方法在問題的回答正確率上提高了12.8%，為解決幾何問題提供了強大的推理和算術(shù)能力,。此外,，我們還從解決幾何問題的不同角度進一步分析了影響答****性的因素，包括領(lǐng)域知識,、幾何形狀、問題長度和語言,。
