本研究提出了一种新方法SCRAMBLe，旨在提升多模态大语言模型（MLLMs）的组合推理能力。通过训练模型区分正确与错误的图像标题，该方法在多个视觉语言基准测试中显著提高了性能，并对一般问题回答任务产生了积极影响。

本研究探讨了多感知信息在复杂场景中的组合推理能力，提出了两个基准测试和新的推理增强方法，显著提升了模型性能，展现了研究潜力和应用价值。

本研究探讨变换器如何通过连接训练数据中的分散知识进行推理，提出“FTCT”合成学习任务以验证其推理能力。结果表明，少量示例的连锁思维提示能够增强变换器的组合推理能力，并与模型复杂性及数据相似性相关。

本文探讨了视觉语言模型（VLMs）的性能提升，提出了多种方法改善图像与文本的对齐能力。通过创建ARO基准和CompPrompts数据集，研究了模型对语言信息的编码及其对组合推理的影响。实验表明，优化数据集质量和文本密度显著提高模型性能。此外，提出的加权视觉-文本交叉对齐方法在零样本任务中表现优异，效果与少样本学习相当。

这项研究探讨了生成型人工智能模型在超人能力生成方面的优势与理解能力的不足，提出了“生成型人工智能悖论”。通过控制实验，验证了生成模型在组合推理任务中的表现及其对底层数据结构的依赖，展示了自回归Transformer模型的组合学习能力及其在强化学习中的应用，尤其是在国际象棋策略生成方面的有效性。

本研究提出了多个AI系统和模型，包括CompA、AudioGPT和GAMA，旨在提升音频理解、组合推理和情感识别能力。通过改进训练方法和引入新基准（如AIR-Bench），研究揭示了现有模型的局限性，并推动了多模态AI的发展。

本文介绍了一种新框架，显著提升了视觉与语言模型在构成性语言编码能力上的表现，尤其是在零样本视觉识别任务中。研究表明，该模型在识别细粒度概念方面表现更佳，并提出了新的评价方法以解决学习偏差问题。通过新模型架构和训练技术的引入，研究提高了模型的解释能力和组合推理能力，展示了视觉与语言任务中的最新进展与挑战。

本文探讨了组合性学习的理论框架，提出了一种基于神经网络的模型，以实现组合泛化能力。研究表明，该模型在自然语言处理任务中表现优异，提升了机器人的安全性、公平性和可解释性。通过双重表示和改进熵，显著增强了泛化能力，推动了组合推理在分类任务中的应用。

本文介绍了CoVLM框架，通过通信令牌提升视觉语言模型（LVLMs）在组合推理任务中的性能，并在传统视觉-语言任务中取得先进表现。同时，研究提出了艺术品解释生成任务，评估LVLMs在艺术品知识理解方面的能力，发现其在整合语言与视觉信息上存在困难。此外，VaLM框架通过视觉增强语言建模，展示了在常识推理任务中的优越性能。