作者 Feiyu Gavin Zhu†**、Xiaoyu Zhu、Jiqi Yang、Rui Yang‡***、Arnab Kumar Mondal、Yancheng Wang、Xinke Deng、Jean Oh†、Reid Simmons†、Joerg Liebelt、Xiang Kong、Zhongyu Jiang
多模态智能体通常在每个动作之前生成自由形式的推理。对于小模型而言，有限的模型容量可能导致冗长的推理，这些推理对动作生成几乎没有提供有用的指导，同时带来大量的推理成本。为应对这一挑战，我们提出了基于选择的结构化推理（Selection-based Structured Reasoning，SSR），这是一个将推理重新表述为选择而非开放式生成的框架。SSR 将反复出现的高层推理表示为预先指定、可复用的自然语言候选。在每一轮中，模型根据当前上下文下各推理候选的似然度从中进行选择，而无需辅助任务头。使用预先指定的推理轨迹可实现并行评分，其中教师强制预填充（teacher-forced prefilling）利用共享的上下文 KV 缓存，在候选内部及候选之间并发计算 token 似然度。我们在七个多模态搜索基准上使用 2B 和 4B 模型评估了 SSR。在多种强化学习目标和监督微调下，SSR 在不牺牲任务性能的情况下带来了显著的效率提升。SSR 的平均成功率与同规模领先的搜索智能体相当，同时将每轮推理延迟降低超过 90%，并将每个问题的模型总推理延迟降低 28–54%。
- † 卡内基梅隆大学
- ‡ 伊利诺伊大学厄巴纳-香槟分校
- ** 部分工作于 Apple 任职期间完成
- *** 工作于 Apple 任职期间完成
转载声明：本文为转载整理，原文版权归原作者及原站点所有。
原文来源：Apple ML Research
原创地址：https://machinelearning.apple.com/research/selection-structured-reasoning
原文作者：Apple ML Research；如有侵权，请联系管理员删除。
