摘要
前沿多模态大语言模型（MLLM）在视觉语言理解任务中表现卓越，但常以黑盒方式部署于零样本场景。本文提出一种与黑盒模型并行的“显式逻辑通道”，通过结合大语言模型、视觉基础模型及概率推理，对显式视觉证据进行事实、反事实及关系推理。该方法不仅实现了无真值标注下的跨通道验证与模型选择，还通过通道集成提升了零样本任务性能，增强了模型的可解释性与可信度。
AI 推荐理由
论文核心提出显式逻辑通道，利用概率推理进行事实及反事实推理，显著增强模型推理能力。
研究机构
新加坡科技研究局（A*STAR）信息通信研究所（I2R）
论文信息