文章预览
笔记整理：沈小力，东南大学硕士，研究方向为多模态大预言模型、知识图谱 论文链接：https://arxiv.org/abs/2401.12863 发表会议：AAAI2024 1. 动机 本文 探索了知识图谱在扩展大语言模型的多模态能力的效果，提出了 KAM-CoT 框架。将 CoT （ Chain-of-Thought ）推理、知识图谱（ KGs ）以及多种模态融入大语言模型，以促进对多模态任务的综合理解。在多模态视觉问答（ VQA ）任务上，该框架在较少的训练参数下达到了当前的 SOTA 效果。 KAM-CoT 框架旨在应对多模态理解和幻觉问题的挑战，并力图用较低的可训练参数数量（ 280M ）实现能与更大模型相比的高性能。 KAM-CoT 创新性地将知识图谱和 CoT 推理相结合：通过在推理过程中引入外部知识，提高了模型对复杂问题的解决能力和答案的质量。 如上图所示，该图展示了一个视觉问答任务，通过问题“这次推的方向是
………………………………
