mirror of
https://github.com/dair-ai/Prompt-Engineering-Guide
synced 2024-11-06 09:20:31 +00:00
16 lines
993 B
Plaintext
16 lines
993 B
Plaintext
# Multimodal CoT Prompt
|
|
|
|
import { Callout, FileTree } from 'nextra-theme-docs'
|
|
import {Screenshot} from 'components/screenshot'
|
|
import MCOT from '../../img/multimodal-cot.png'
|
|
|
|
[Zhang et al. (2023)](https://arxiv.org/abs/2302.00923) ha recentemente proposto un approccio multimodale di suggerimento a catena di pensiero. Il CoT tradizionale si concentra sulla modalità linguistica. Al contrario, Multimodal CoT incorpora testo e visione in un quadro a due fasi. Il primo passo prevede la generazione di motivazioni basate su informazioni multimodali. Questa è seguita dalla seconda fase, l'inferenza della risposta, che sfrutta le motivazioni informative generate.
|
|
|
|
Il modello CoT multimodale (1B) supera GPT-3.5 sul benchmark ScienceQA.
|
|
|
|
<Screenshot src={MCOT} alt="MCOT" />
|
|
Sorgente Immagine: [Zhang et al. (2023)](https://arxiv.org/abs/2302.00923)
|
|
|
|
Ulteriori letture:
|
|
- [Language Is Not All You Need: Aligning Perception with Language Models](https://arxiv.org/abs/2302.14045) (Feb 2023)
|