伪代码引导的结构化推理用于实现视觉语言模型的可靠自动推断

视觉语言模型（VLM）是机器人自动化高层推理的基石，但其易产生幻觉，导致决策失败及安全风险。针对现实任务开放性强、难度多变带来的挑战，本文提出伪代码引导结构化推理框架（PStar）。该框架构建了抽象推理函数库与结构化伪代码，并设计难度特征向量（DFV），使模型能评估问题复杂度并自适应选择推理策略。实验表明，PStar 显著降低幻觉率，在 POPE 和 MMStar 基准上分别达到 87.1% 和 68.0% 的最先进成绩，优于 GPT-4V，为部署可信 VLM 提供了关键机制。