计算机科学 > 人工智能
[提交于 2025年6月21日
(v1)
,最后修订 2025年6月26日 (此版本, v2)]
标题: 驯服未驯服的:基于图的知识检索与推理,使MLLMs征服未知
标题: Taming the Untamed: Graph-Based Knowledge Retrieval and Reasoning for MLLMs to Conquer the Unknown
摘要: 知识的实际价值不仅在于其积累,更在于其被有效利用以征服未知的潜力。 尽管最近的多模态大语言模型(MLLMs)表现出令人印象深刻的多模态能力,但由于相关知识有限,它们在很少遇到的特定领域任务中常常失败。 为了探索这一点,我们采用视觉游戏认知作为测试平台,并选择怪物猎人:世界作为目标来构建一个跨模态知识图谱(MH-MMKG),该图谱结合了多种模态和复杂的实体关系。 我们还设计了一系列基于MH-MMKG的挑战性查询,以评估模型在复杂知识检索和推理方面的能力。 此外,我们提出了一种多智能体检索器,使模型能够在不进行额外训练的情况下自主搜索相关知识。 实验结果表明,我们的方法显著提高了MLLMs的性能,为多模态知识增强推理提供了新的视角,并为未来的研究奠定了坚实的基础。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.