中山大学、香港科技大学、上海交通大学和华为诺亚方舟实验室的研究人员提出了一种名为 atomthink 的新框架，旨在提升多模态大语言模型 (mllm) 解决高级数学推理问题的能力。该框架通过将“慢思考”策略融入mllm，显著提高了模型在基准数学测试中的性能，并具有良好的可迁移性。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

AtomThink 框架的核心在于其对“原子步骤”的关注。“原子步骤”指的是语义上不可再分的最小推理单元。该框架包含三个关键组件：多模态注释引擎、原子步骤指令微调和策略搜索。

挑战与创新：

现有方法通常依赖于精心设计的提示来激发模型的思维链 (CoT)，但忽略了推理链中中间步骤的质量。AtomThink 则通过原子步骤质量评估策略，对每个步骤进行细致分析，从而识别并改进薄弱环节。该策略借鉴了GPT-4o的推理行为，构建了一个规范的推理能力集合，并利用结果监督和重映射来评估模型在不同能力项上的得分。

AtomThink 框架详解：

1. 多模态注释引擎: 该引擎利用动态提示和短 CoT 增强策略，从现有数据集中生成高质量的长 CoT 数据。它通过GPT-4o辅助，将原始推理过程分解成多个原子步骤，并创建了 AtomMATH 数据集 (包括AMATH-SFT 和 AMATH-PRM 两个子集)。

千鹿Pr助手

智能Pr插件，融入众多AI功能和海量素材

128 查看详情

2. 原子步骤微调: 该步骤对 MLLM 进行指令微调和过程监督训练 (PRM)，以增强其解码能力，并使其学习近似马尔可夫决策过程的输出格式。

3. 策略搜索: 为了从多个候选步骤中选择最佳路径，AtomThink 框架采用了路径维度搜索 (多数投票、Best-of-N) 和步骤维度搜索 (贪心算法、Beam Search)。

实验结果与结论：

实验结果表明，AtomThink 框架在 MathVista 和 MathVerse 两个基准测试中显著提升了模型的性能。与基线模型相比，AtomThink 在 QuickThink (快速推理) 模式下已经取得了显著改进；而在 SlowThink (慢速推理，利用 Beam Search) 模式下，性能提升更为显著，甚至超过了一倍。 Best-of-N 策略结合平均得分聚合，取得了最佳性能。 研究还验证了 Test-time scaling law 在多模态数学推理任务中的存在。

该研究为构建更强大的慢思考模型提供了新的思路，也为解决复杂数学推理问题提供了有效的解决方案。论文及代码即将开源：

• 论文：https://www.php.cn/link/5c3165e90eb8727c7dd0f9434cbd2bba
• 主页 (即将开源): https://www.php.cn/link/1852a2083dbe1c2ec33ab9366feb2862

以上就是多模态慢思考：分解原子步骤以解决复杂数学推理的详细内容，更多请关注其它相关文章！

# git  # 多模  # 保时捷  # 华纳  # 多个  # 腾讯  # 诺亚方舟  # 之争  # 慢速  # 工程  # 如何提高seo网站用户  # 培训型网站 建设方案  # 仓山区金山街道网站建设  # 站长工具免费seo  # 书店网站推广视频怎么做  # 宁波抖音seo优化快速  # 揭阳网络网站建设  # 推广擦边网站违法吗  # 中山慧抖销搜索关键词排名  # 新民seo关键词优化  # 第四次  # 编辑器 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： j*a数组逆序怎么写  如何找出命令行  如何查看硬盘是固态硬盘  什么是域名解析地址  typescript有什么框架  debian和ubuntu命令一样吗  新网站如何填写域名解析  哪些框架支持typescript  j*a怎么保存到数组  尼桑越野车中控前power是什么意思  春运订票什么时候抢票  一帧是多少秒  苹果16日发售哪些机型  docs命令如何进入d  typescript需要学多久  5G手机导航怎么旋转  如何退出数据库命令行  市盈率中的19a是什么意思  react怎么用typescript  ai文件在线打开工具有哪些  如何编写一个linux命令  video是什么意思  如何发挥固态硬盘性能  爱奇艺中下载的视频怎么在PPT中播放操作方法  多少毫安的充电宝可以带上飞机  手机拍电脑屏幕有条纹怎么解决  typescript要用什么工具  ai如何重复使用上一命令  电瓶车充电器power是什么意思  vfp 命令窗口如何实现换行  美食音乐每日推荐怎么写  nosql数据库的应用场景有哪些  折叠手机内屏为什么会坏  win10电脑如何使用命令提示符  typescript如何做项目  youtube受限模式是什么_youtube受限模式是什么意思  ssd固态硬盘如何选择  linux命令行如何使用中文输入法  春运抢票最多能抢几趟车  课程伴侣登不上怎么办  md5解密是什么意思  宝马x5仪表盘上边有power是什么意思  5g手机怎么没视频通话功能  typescript是什么软件  阿里云手机云盘怎么用_阿里云盘苹果手机怎么用教程  推特是什么软件国内可以使用吗  kingston是什么_kingston是什么意思  win7怎么装扫描仪  如何由js快速切换typescript  如何安装tree命令