论文浅尝 | KAM-CoT: 利用知识图谱进行知识增强的多模态链式推理（AAAI2024）

笔记整理：沈小力，东南大学硕士，研究方向为多模态大预言模型、知识图谱

论文链接：https://arxiv.org/abs/2401.12863

发表会议：AAAI2024

1. 动机

本文探索了知识图谱在扩展大语言模型的多模态能力的效果，提出了KAM-CoT框架。将CoT（Chain-of-Thought）推理、知识图谱（KGs）以及多种模态融入大语言模型，以促进对多模态任务的综合理解。在多模态视觉问答（VQA）任务上，该框架在较少的训练参数下达到了当前的SOTA效果。

KAM-CoT框架旨在应对多模态理解和幻觉问题的挑战，并力图用较低的可训练参数数量（280M）实现能与更大模型相比的高性能。KAM-CoT创新性地将知识图谱和CoT推理相结合：通过在推理过程中引入外部知识，提高了模型对复杂问题的解决能力和答案的质量。

如上图所示，该图展示了一个视觉问答任务