多模态模型推理
教材《人工智能导论》5.5.3 · 已审核
通俗解释
多模态推理将视觉、文本等证据结合生成答案，同时需要考虑过程评估、提示设计、推理效率与流式输出。复杂推理应核对输入证据和最终结论。
例子
问模型照片中有几只杯子，再逐一标出图中可见的杯子位置。
容易混淆
输出分步过程不代表视觉事实已经被正确识别。
检查理解
模型回答一张图中的数量问题时，应怎样核验？
查看参考答案
先核对图像里实际可见的对象和数量，再检查文字答案是否与证据一致；分步文字不等于识别正确。
教材《人工智能导论》5.5.3 · 已审核
多模态推理将视觉、文本等证据结合生成答案，同时需要考虑过程评估、提示设计、推理效率与流式输出。复杂推理应核对输入证据和最终结论。
问模型照片中有几只杯子，再逐一标出图中可见的杯子位置。
输出分步过程不代表视觉事实已经被正确识别。
模型回答一张图中的数量问题时，应怎样核验？
先核对图像里实际可见的对象和数量，再检查文字答案是否与证据一致；分步文字不等于识别正确。