级联自评增强训练用于高效的多模态大语言模型

本研究解决了高效多模态大语言模型（EMLLMs）在自评推理方面的优化问题，提出了新的自评增强训练方法（SEAT）以及级联自评增强训练方法（Cas-SEAT）。通过分解长提示为短的任务特定提示，Cas-SEAT显著提升了模型的自评能力，具体在MathVista、Math-V和We-Math数据集上分别提高了19.68%、55.57%和46.79%的性能，为未来EMLLM自评研究提供了重要资源。