基于原语修正的渐进式推理用于组合零样本学习

组合零样本学习旨在结合已知属性与对象以识别未见过的组合。现有方法常因忽略上下文依赖或单向建模导致误差传播。本文提出 PRPC 框架，通过逐步推理显式建模属性与对象间的双向依赖，利用原语互纠抑制早期预测错误。该方法将任务构建为结构化问答式思维链过程，约束多模态大模型遵循预定义语义步骤生成中间决策。此外，引入基于 GRPO 的强化学习后训练，提供与渐进推理对齐的步级奖励，增强逻辑一致性。实验表明该方法在三个基准上达到最先进水平。