Multimodal Reasoning（多模态推理）

多模态推理要求模型不仅理解单一模态，还能跨模态对齐和融合信息，以解决复杂任务如视觉问答、图像描述和跨模态检索。技术路线包括早期融合（如CLIP的对比学习）、晚期融合（如多模态Transformer）以及基于大语言模型的统一架构（如GPT-4V、Flamingo）。挑战在于模态间语义鸿沟、数据稀缺和推理一致性。近期研究聚焦于链式思维提示在多模态场景的扩展。