摘要
当前视觉语言模型在处理需一致且细粒度推理的复杂视觉任务时表现不佳。现有自反思方法依赖大量标注数据且缺乏测试时的显式反思行为。本文受神经科学启发，验证了主流模型具备类似人脑的“后向预测”能力，并提出脑启发无监督自反思（BUS）框架。该框架利用无标签数据进行训练，通过向后预测提供显式学习信号，无需人工标注即可提升推理性能。实验表明，BUS 在多个基准测试中显著优于基线模型，证实了后向预测对多模态推理的关键作用。
AI 推荐理由
论文核心提出基于脑科学的自反思框架，旨在显著提升多模态模型的复杂推理能力。
研究机构
Institute of Brain-inspired Intelligence, Nanjing University, Nanjing, China
Shenzhen Research Institute of Nanjing University, Shenzhen, China
论文信息