本研究解决了多模态大语言模型在艺术作品美学评估中的推理能力不足问题。通过构建MM-StyleBench数据集和提出ArtCoT方法，提升了艺术特定任务的推理能力，为多模态大语言模型在艺术领域的应用提供了重要见解。

本研究提出了一种名为PC-SubQ的提示策略，旨在提升大型语言模型（LLMs）在因果推理中的表现。通过将任务拆分为子问题，LLMs能够更有效地应用因果发现算法，从而增强其鲁棒性。