多模态慢思考：分解原子步骤以解决复杂数学推理

主要观点总结

AIxiv专栏是机器之心发布学术、技术内容的栏目，过去数年接收了多篇全球高校与企业的顶级实验室内容。本文介绍了AtomThink全流程框架，旨在解决高阶数学推理问题。通过引入慢思考能力，该框架包括多模态CoT注释引擎、原子步骤指令微调、策略搜索推理等。文章还介绍了实验测试的不同推理范式和结果，证明了该框架的有效性和可扩展性。

关键观点总结

关键观点1: AIxiv专栏简介及背景

AIxiv专栏是机器之心发布学术、技术内容的平台，过去数年接收了多篇全球范围内的学术和技术内容。本文介绍的是该专栏中的一项重要研究成果。

关键观点2: AtomThink框架介绍

AtomThink是一个全流程框架，旨在解决高阶数学推理问题。它通过引入慢思考能力，包括多模态CoT注释引擎、原子步骤指令微调、策略搜索推理等，旨在提高多模态大语言模型在数学推理方面的性能。

关键观点3: 原子步骤质量评估的重要性

原子步骤是语义维度的最小推理步骤，对模型进行原子步骤质量评估可以为慢思考能力提供新的分析视角。本研究率先提出了一种原子步骤质量评估策略，对模型性能进行评估。

关键观点4: 实验测试结果

实验测试了不同推理范式，包括直接输出、CoT输出、QuickThink和SlowThink等。结果表明，该框架在解决多模态数学推理任务时表现出强大的性能，实现了较高的精度和可扩展性。

关键观点5: 总结和未来展望

本文总结了将原子思维能力引入多模态大语言模型以解决困难数学推理问题的研究成果。文章发布了一个高质量的长CoT数据集和一个关注提升原子步骤质量的慢思考框架。该方法为开发广义慢思考模型铺平了道路。

文章预览

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。 投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com 本文作者来自中山大学、香港科技大学、上海交通大学和华为诺亚方舟实验室等机构。第一作者项鲲为中山大学博士生，刘智立为香港科技大学博士生，姜子昊为上海交通大学硕士研究生。 AtomThink 是一个包括 CoT 注释引擎、原子步骤指令微调、政策搜索推理的全流程框架，旨在通过将 “慢思考 “能力融入多模态大语言模型来解决高阶数学推理问题。量化结果显示其在两个基准数学测试中取得了大幅的性能增长，并能够轻易迁移至不同的多模态大模型当中。 论文：https:/ ………………………………