盡管多模態(tài)大模型在數(shù)學(xué)、科學(xué)等結(jié)構(gòu)化任務(wù)中取得了長足進步，但在需要靈活解讀視覺信息的通用場景下，其性能提升瓶頸依然顯著。現(xiàn)有模型普遍依賴基于知識的思維模式，卻缺乏對視覺線索的深度校驗與再思考能力，導(dǎo)致在復(fù)雜場景下頻繁出錯。

為解決這一難題，來自中科院自動化研究所紫東太初大模型研究中心的研究者提出GThinker，一個旨在實現(xiàn)通用多模態(tài)推理的新型多模態(tài)大模型。

GThinker的核心在于其創(chuàng)新的「線索引導(dǎo)式反思（Cue-GuidedRethinking）」模式，它賦予了模型在推理過程中主動校驗、修正視覺理解的能力。

通過精心設(shè)計的兩階段訓(xùn)練流程，GThinker在極具挑戰(zhàn)性的M3CoT綜合推理基準上取得了超越了最新的O4-mini模型，并在多個數(shù)學(xué)及知識推理榜單上展現(xiàn)出SOTA性能，證明了該方法的有效性和泛化能力。目前，論文、數(shù)據(jù)及模型均已開源。

慢思考的瓶頸：

當(dāng)模型在通用場景「視而不見」

當(dāng)前，無論是開源的Qwen2.5-VL，還是閉源的GPT-4o，多模態(tài)大模型的能力邊界正在被不斷拓寬。尤其在引入了思維鏈（CoT）等慢思考策略后，模型在數(shù)學(xué)、科學(xué)等邏輯密集型任務(wù)上的表現(xiàn)得到了顯著增強。

然而，這些進步并未完全轉(zhuǎn)化為在通用多模態(tài)場景下的推理能力。與擁有明確答案和嚴格邏輯結(jié)構(gòu)的數(shù)理任務(wù)不同，通用場景（如理解一幅畫的寓意、分析復(fù)雜的日常情景）往往涉及：

高度的視覺依賴：答案強依賴于對圖像中多個、甚至有歧義的視覺線索的正確解讀。

復(fù)雜的推理路徑：沒有固定的解題范式，需要模型根據(jù)具體問題靈活組織推理步驟。

現(xiàn)有方法，無論是基于結(jié)構(gòu)化CoT的，還是基于結(jié)果獎勵強化學(xué)習(xí)的，都存在明顯的局限性。它們在推理中一旦對某個視覺線索產(chǎn)生誤判，往往會「一條道走到黑」，缺乏中途「回頭看」、修正認知偏差的機制。

現(xiàn)有主流多模態(tài)推理方法的特點與局限性

GThinker：

從「思維鏈」到「再思考鏈」

為了打破這一瓶頸，研究團隊提出了GThinker，其核心是一種全新的推理模式——「線索引導(dǎo)式反思」（Cue-GuidedRethinking）。該模式將推理過程升級為一種更接近人類思維的「思考-反思-修正」閉環(huán)，它不強制規(guī)定僵化的推理結(jié)構(gòu)，而是要求模型在自由推理后，對關(guān)鍵視覺線索進行一次系統(tǒng)性的回溯驗證。

Cue-Rethinking核心流程，虛線框代表可能進行

整個過程分為三個階段：

1.自由初始推理：模型根據(jù)問題和圖像內(nèi)容，自由地進行一步步推理，同時使用vcues_*標簽標記出其所依賴的關(guān)鍵視覺線索。

2.反思觸發(fā)：在初步推理鏈完成后，一個反思提示（如「Let'sverifyeachvisualcueanditsreasoningbeforefinalizingtheanswer.」）被觸發(fā)，引導(dǎo)模型進入基于再思考階段。

3.基于視覺線索的反思：模型逐一回顧所有標記的視覺線索，檢查其解釋是否存在不一致、錯誤或遺漏。一旦發(fā)現(xiàn)問題，模型會修正或補充對該線索的理解，并基于新的理解重新進行推理，最終得出結(jié)論。

GThinker推理模式示例

以上圖為例，GThinker在初步推理中可能將圖形誤判為「螃蟹」。但在再思考階段，它會發(fā)現(xiàn)「紅色三角形更像蝦頭而非蟹身」、「藍粉組合更像蝦尾而非蟹鉗」，從而修正整個推理路徑，最終得出正確答案「蝦」。這種機制使得GThinker能夠有效處理有歧義或誤導(dǎo)性的視覺信息，極大地提升了推理的準確性。

兩階段訓(xùn)練法：

如何教會模型進行再思考？

為了讓模型內(nèi)化這種強大的反思能力，GThinker設(shè)計了一套環(huán)環(huán)相扣的兩階段訓(xùn)練框架。

模式引導(dǎo)冷啟動

不同于數(shù)理領(lǐng)域在預(yù)訓(xùn)練后自然涌現(xiàn)的反思能力，單純依靠來結(jié)果獎勵強化學(xué)習(xí)「探索」出如此復(fù)雜的再思考行為，不僅成本高昂且效率低下。因此，GThinker首先通過監(jiān)督微調(diào)的方式，為模型「冷啟動」構(gòu)建基于視覺線索的再思考能力。

為此，首先通過「多模態(tài)迭代式標注」構(gòu)建了一個包含7K高質(zhì)量冷啟動樣本數(shù)據(jù)集：利用GPT-4o、O1、O3等多個先進模型的互補優(yōu)勢，對覆蓋通用、數(shù)學(xué)、科學(xué)三大領(lǐng)域的復(fù)雜問題進行迭代式地推理和標注，生成了包含高質(zhì)量再思考路徑的訓(xùn)練數(shù)據(jù)。

在訓(xùn)練時，GThinker采用「模式引導(dǎo)選擇性格式化」策略，僅對那些基座模型會產(chǎn)生視覺誤判的樣本應(yīng)用完整的「反思鏈」格式，其余則保留為標準推理格式。這使得模型能夠?qū)W會在「需要時」才進行反思，而非機械地執(zhí)行。

激勵強化學(xué)習(xí)

在掌握「如何思考」以及基于視覺線索進行「再思考」的能力基礎(chǔ)上，GThinker進一步引入基于可驗證獎勵的強化學(xué)習(xí)方法，設(shè)計混合獎勵機制并構(gòu)建覆蓋多種推理類型的多場景訓(xùn)練數(shù)據(jù)，以持續(xù)激勵模型在多樣化任務(wù)中進行主動探索，從而實現(xiàn)思維模式的跨場景泛化遷移。

多場景數(shù)據(jù)構(gòu)建：廣泛收集開源推理數(shù)據(jù)，并通過embedding聚類的方式進行均衡和多樣性采樣，從中精選包含約4K條多場景、多任務(wù)的強化學(xué)習(xí)訓(xùn)練數(shù)據(jù)集，為泛化能力的提升提供數(shù)據(jù)保障。

DAPO訓(xùn)練：相較于GRPO，DAPO采用動態(tài)采樣的方式，保證batch樣本的有效性，并應(yīng)用無KL和cliphigher等策略，更適用于長鏈思考和探索，使模型學(xué)會在不同場景下選擇最優(yōu)推理方式。

混合獎勵計算：針對選擇題、數(shù)學(xué)題等常見任務(wù)類型，分別采用精確匹配、Math-Verify工具校驗的方式計算獎勵，對于通用場景下常見的開放式簡答題，通過加入格式化響應(yīng)讓模型回答歸納到短語或單詞的形式，以應(yīng)用精確匹配的計算方式，從而確保了獎勵信號的準確性和進一步拓展支持任務(wù)的多樣性。

結(jié)果

在復(fù)雜、多步及多領(lǐng)域的多模態(tài)推理基準M3CoT上，GThinker在多個場景的測試中超過當(dāng)前先進的開源多模態(tài)推理模型及O4-mini。

在通用場景（MMStar、RealWorldQA）、多學(xué)科場景（MMMU-Pro）及數(shù)學(xué)基準測試中，GThinker實現(xiàn)了優(yōu)于或不遜于現(xiàn)有先進模型的表現(xiàn)，證明了GThinker所學(xué)的再思考能力并未造成「偏科」，而是實現(xiàn)了整體通用能力提升。

盡管GThinker的數(shù)據(jù)均為復(fù)雜推理任務(wù)構(gòu)建，但經(jīng)過這一方法及數(shù)據(jù)的訓(xùn)練后，當(dāng)前最領(lǐng)先的開源模型依然能夠在通用指標上進一步提升。研究團隊選取了OpenCompass閉源多模態(tài)榜單中10B規(guī)模下最新排名前三的開源模型，在學(xué)術(shù)榜單上進行測試。結(jié)果顯示，GThinker在這三款模型上均帶來約1個百分點左右的平均性能提升，進一步印證了其方法的有效性與泛化能力。

Demo

冰鞋藏黑科技,石墨烯恒溫,選手赤足迎低溫

花滑冰鞋的高科技，從未脫離軍工、航天等“硬核鄰居”的庇護-。鋰電池技術(shù)最初源自德軍潛艇，能在極寒深海穩(wěn)定供電_——。如今裝進冰鞋里，比原型縮小一百倍，照樣扛得住-40℃。更有北極部隊智能襪被加拿大運動員借用，腳部18個傳感器根據(jù)體溫自動調(diào)節(jié)加熱強度，像智能恒溫器般貼心省電。瑞典科研團隊盯上了北極魚類的抗凍 滑冰，這項優(yōu)雅與速度并存的運動，其背后的裝備歷史同樣引人入勝。從最初的簡易冰鞋，到現(xiàn)代高科技材質(zhì)打造的精致冰鞋，每一步的變革都彰顯了人類對運動的追求與熱愛——。在這其中，花樣滑冰的冰鞋尤為引人注目，其不僅承載著運動員的夢想與榮耀，更見證了滑冰運動從簡單到復(fù)雜的華麗轉(zhuǎn)身。冰鞋滑冰運動的起源滑冰這項是什么。

旱冰鞋哪個品牌質(zhì)量好!9款不容錯過的旱冰鞋推薦!

值得一提的是，VOKY輪滑鞋的外觀設(shè)計同樣不容忽視。莫奈紫的配色，既符合孩子們的審美趣味，又能展現(xiàn)出獨特的個性風(fēng)采——。穿上它，孩子們將成為小伙伴中的焦點，享受那份專屬的榮耀與自豪。總之，VOKY輪滑鞋以其卓越的性能、時尚的外觀以及貼心的設(shè)計，成為了孩子們學(xué)習(xí)輪滑、享受運動的理想選擇——_。讓孩子們在快樂中成長希望你能滿意————。
一、注意左手手指的活動范圍這個大家可能不太能理解什么意思，但這一點絕對是你總是被斷馬腿的關(guān)鍵所在|。我們滑動方向輪盤，用到的是我們的左右的大拇指_——。而我們都知道，當(dāng)我們的手指在摁住方向輪盤之后，只要不松開的話，我們的大拇指，不管是移動到哪個地方，都是可以進行移動的_。那么接下來我們的關(guān)鍵就來了，..