框架

2022年，前谷歌大脑华人科学家JasonWei在一篇思维链的开山之作中首次提出，CoT可以增强LLM的推理能力。但即便有了思维链，LLM有时也会在非常简单的问题上犯错。最近，来自普林斯顿大学和GoogleDeepMind研究人员提出了一种全新的语言模型推理框架——「思维树」（ToT）。

随着大型语言模型在实际业务中的广泛应用，确保其输出的真实性和可靠性成为亟待解决的问题。学术界采用“归因”方法来追踪和证实模型输出的内容。当前研究领域主要分为两大派系，即协同归因和贡献归因。前者关注验证大模型输出的正确性，后者用于确定训练数据对模型输出的影响程度。在法律、医疗、金融等领域，对内容准确性有高要求的行业，这两种方法至关重要。

在与法国大语言模型初创公司MistralAI的投资和合作伙伴关系之后，微软今日宣布推出了名为“AI访问原则”的全新框架，旨在指导公司如何运营其AI数据中心基础设施及其他重要AI资产。

随着ChatGPT等大模型被广泛应用在实际业务中，其输出内容的真实、可靠、安全性成为了重点。学术界则使用“归因”来表示追查、证实内容。目前，在“归因”研究领域有两大派系，一种是协同归因，主要追查引用数据和训练数据来源;另外一种是贡献归因，证明模型输出内容的真实性以减少幻觉。这两种归因方法对于法律、医疗、金融等，对于内容准确率要求极高的行业应用大模型至关重要。

引言

ChatGPT、百度文心一言、Bard等大语言模型展现出了超强的创造能力，加速了生成式AI的应用进程。但AI模型只能基于训练数据执行各种任务，无法像人类一样利用生活知识、过往经验用于复杂的推理和决策。例如，在玩游戏时，人类可以利用各种线索、常识、经验以及对游戏规则的理解做出最佳决策。而AI只能通过大量训练学习游戏的模式，不具备人性化理解功能。一旦游戏规则或环境发生变化，AI就很难做出正确的选择。

中国科学院与耶鲁大学的研究人员共同提出了一种名为「思维传播」（ThoughtPropagation）的全新框架，旨在提升大型神经网络模型(如GPT-4、PaLM)的推理能力，使其能够更像人类一样进行类比思考。这个框架的灵感源自人类认知，即人们在面对新问题时常常将其与已经解决的类似问题进行比较，以推导出解决策略。论文地址:https://arxiv.org/abs/2310.03965

要点:1、全景分割将语义分割和实例分割相结合，对图像进行精细分割标注，但受限于数据集标注成本。2、FC-CLIP通过冻结卷积CLIPbackbone实现掩码生成和CLIP文本对齐分类的单阶段统一，突破闭词汇限制。3、FC-CLIP设计简单高效，参数和计算量都大大减少，性能显著提升，可扩展到开放词汇场景。