69一区二三区好的精华液,中文字幕无码av波多野吉衣,亚洲精品久久久久久无码色欲四季,日本不卡高字幕在线2019

   ACM MM 2024 (The 32nd ACM International Conference on Multimedia) 公布論文錄用通知，團隊的多模態表征學習論文成果被順利錄用。ACM MM(ACM International Conference on Multimedia)由國際計算機協會主辦，是計算機科學領域中多媒體研究的國際頂級學術會議，也是中國計算機學會（CCF）推薦的計算機圖形學與多媒體領域A類學術會議。會議旨在吸引多媒體、數據分析等領域的學者和專家，并為研究者提供一個共同探討多媒體技術最新發展的交流平臺。

論文題目：Reason-and-Execute Prompting: Enhancing Multi-Modal Large Language Models for Solving Geometry Questions

論文概述：多模態大型語言模型（MM-LLMs）在各種視覺問答任務中表現出強大的推理能力。然而，在解決幾何問題時，他們面臨著缺乏嚴謹推理和精確算術的挑戰。為了應對這一挑戰，我們提出了一種新的提示方法，即推理與執行（R&E），以提高MM-LLMs解決幾何問題的準確性。具體來說，R&E提示方法包括兩個模板：推理模板和執行模板。具體來說，我們首先采用逆向思維方法來構建一個嚴格的推理模板，以便它引導MM-LLM從問題的最相關領域知識開始推理，并最終確定算術要求。然后，我們利用程序輔助思想構建執行模板，以指導MM-LLMs從推理模板中理解算術要求并生成可執行代碼塊。通過執行代碼塊最終獲得答案。與思維鏈（CoT）和程序輔助語言（PAL）提示方法相比，我們基于6個真實數據集（包括4個幾何數據集和2個科學數據集）在9個MM-LLMs上評估了R&E提示方法。與CoT和PAL相比，R&E方法在問題的回答正確率上提高了12.8%，為解決幾何問題提供了強大的推理和算術能力。此外，我們還從解決幾何問題的不同角度進一步分析了影響答****性的因素，包括領域知識、幾何形狀、問題長度和語言。