CogGuide：面向零样本全模态推理的人类类认知指导
人工智能
2025-09-16 v3 机器学习
摘要
针对多模态大模型中存在的“捷径”和上下文理解不足的问题，本文提出一种以“意图草图”为中心的人类类认知策略驱动的零样本多模态推理组件。该组件包括一个即插即用的三模块管道——意图感知器、策略生成器和策略选择器——显式构建“理解-计划-选择”认知过程。通过生成和筛选“意图草图”策略以指导最终推理，它无需参数微调，仅通过上下文工程即可实现跨模型迁移。信息论分析表明，该过程可减少条件熵并提高信息利用效率，从而抑制意外的捷径推理。在IntentBench、WorldSense和Daily-Omni上的实验表明，该方法具有广泛性和稳健性；与各自基线相比，该完整的“三模块”方案在不同推理引擎和管道组合下均可实现一致改进，提升幅度可达约9.51个百分点，展示了在零样本场景下，“意图草图”推理组件的实际价值和可移植性。
引用
@article{arxiv.2509.06641,
title = {CogGuide: Human-Like Guidance for Zero-Shot Omni-Modal Reasoning},
author = {Zhou-Peng Shou and Zhi-Qiang You and Fang Wang and Hai-Bo Liu},
journal= {arXiv preprint arXiv:2509.06641},
year = {2025}
}