/
githubmirror
/
Prompt-Engineering-Guide
Обзор
Документация
Войти
/
githubmirror
/
Prompt-Engineering-Guide
Код
Запросы
0
Пакеты
0
Релизы
0
Аналитика
Безопасность
main
pages/techniques/multimodalcot.pt.mdx
14 строк
968 B
Elvis Saravia
changes
04 апр 2023, 23:47
04 апр 2023, 23:47
33065de
Код
Авторство
О чём код?
# Prompt CoT Multimodal import {Screenshot} from 'components/screenshot' import MCOT from '../../img/multimodal-cot.png' [Zhang et ai. (2023)](https://arxiv.org/abs/2302.00923) propôs recentemente uma abordagem de solicitação de cadeia de pensamento multimodal. O CoT tradicional foca na modalidade de linguagem. Em contraste, o Multimodal CoT incorpora texto e visão em uma estrutura de dois estágios. A primeira etapa envolve a geração de raciocínio com base em informações multimodais. Isso é seguido pela segunda fase, inferência de respostas, que aproveita os fundamentos informativos gerados. O modelo CoT multimodal (1B) supera o GPT-3.5 no benchmark ScienceQA. <Screenshot src={MCOT} alt="MCOT" /> Fonte da imagem: [Zhang et al. (2023)](https://arxiv.org/abs/2302.00923) Leitura adicional: - [A linguagem não é tudo que você precisa: alinhando a percepção com os modelos de linguagem](https://arxiv.org/abs/2302.14045) (fevereiro de 2023)