概念多模态思维链 / Multimodal Chain-of-Thought
M-CoT
将思维链推理扩展到多模态场景的数据集或方法,包含视觉与文本的逐步推理路径,并可融入错误感知信息以增强模型对感知错误模式的理解。
时间轴 (近 90 天)
11月6日
PSGAgent采用两阶段训练流程:第一阶段构建错误感知的多模态思维链(M-CoT)数据集进行冷启动学习;第二阶段使用分层奖励机制结合组序列策略优化(GSPO)学习工具使用策略。
待验证50%
将思维链推理扩展到多模态场景的数据集或方法,包含视觉与文本的逐步推理路径,并可融入错误感知信息以增强模型对感知错误模式的理解。
PSGAgent采用两阶段训练流程:第一阶段构建错误感知的多模态思维链(M-CoT)数据集进行冷启动学习;第二阶段使用分层奖励机制结合组序列策略优化(GSPO)学习工具使用策略。