本论文提出了一个可解释的多智能体协作框架，利用大型语言模型中嵌入的知识，使用三个智能体进行自顶向下推理，构建特定图像场景的多视图知识库，以推理答案。通过实验结果证明了其广泛的适用性和可解释性。

本论文提出了一个可解释的多智能体协作框架，利用大型语言模型中嵌入的知识，以人类认知为灵感，使用三个智能体进行自顶向下推理，构建特定图像场景的多视图知识库，以自顶向下的方式推理答案。通过实验结果证明了其广泛的适用性和可解释性。