
DeepMind率先提出CoF:视频模型有自己的思维链(在新窗口打开)
CoT思维链的下一步是什么? DeepMind提出帧链CoF(chain-of-frames)。
共 61 篇

CoT思维链的下一步是什么? DeepMind提出帧链CoF(chain-of-frames)。

您对“思维链”(Chain-of-Thought)肯定不陌生,从最早的GPT-o1到后来震惊世界的Deepseek-R1,它通过让模型输出详细的思考步骤,确实解决了许多复杂的推理问题。但您肯定也为它那冗长的输出、高昂的API费用和感人的延迟头疼过,这些在产品落地时都是实实在在的阻碍。

Meta 超级智能实验室、伦敦大学学院、Mila、Anthropic 等机构的研究者进行了探索。从抽象层面来看,他们将 LLM 视为其「思维」的改进操作符,实现一系列可能的策略。研究者探究了一种推理方法家族 —— 并行 - 蒸馏 - 精炼(Parallel-Distill-Refine, PDR),

论文的标题很学术,叫《心理学增强AI智能体》但是大白话翻译一下就是,想要让大模型更好地完成任务,你们可能不需要那些动辄几百上千字的复杂Prompt,不需要什么思维链、思维图谱,甚至不需要那些精巧的指令。

思维链提示论文第一作者Jason Wei确认离开Meta并加入Mercor,参与数据与模型评测研究。报道同时梳理其研究经历,以及Mercor从专家数据服务向评测和后训练基础设施的扩展。

上海交大张拳石讨论思维链作为监控信号的局限,并介绍用输入遮挡、稀疏交互和等效拟合分析预测的研究。对谈也谈到跨模型共有特征和交流式学习的设想。

Lev 将循环深度作为决策模型的计算预算,同一份权重可在不同圈数读出选项概率,再用停止机制按请求分配深度。实验显示额外计算主要帮助较难任务,同时也会改错部分答案;离线节省的循环计算量仍需服务端调度才能转化为实际吞吐收益。

西湖心辰创始人蓝振忠解释为何押注扩散语言模型:利用并行生成和多条思维链,在响应速度与交互质量之间寻找新取舍。访谈也谈到数据利用、分块扩散、强化学习和全模态 Agent 路线,相关效果来自团队实验与业务场景,规模化能力仍需逐项验证。

视觉模型即使理解了问题,也可能因图像裁切位置不准而错过细节。NV-CoT 用连续坐标替代离散位置选择,结合监督微调与强化学习改善区域定位;多项高分辨率测试展示了收益,但更精确的坐标仍无法替代正确的语义理解。

模型的思维链,让AI学会了用文字一步步推理;但科学家的思考,还发生在分子的三维空间、基因序列和实验曲线里。