华为诺亚方舟与多家高校共同研发的多元数学推理解析系统 —— AtomThink

AtomThink指的是什么

AtomThink是由中山大学、香港科技大学、上海交通大学、香港大学以及华为诺亚方舟实验室的研究团队联合发布的一种多模态数学推理系统。该框架通过利用长链式思考路径（CoT）来指导多功能大型语言模型（MLLMs）完成复杂推理论证，其中包括自动化的CoT注释工具、精细化的原子步骤调整及多元搜索策略。AtomThink专注于优化基本推理单元的质量，大幅提升了MLLMs在数学问题求解上的推理效能，并为构建通用慢思考模型开辟了新的研究路径。

AtomThink的核心特性

• CoT标注系统通过生成高品质的链式推理（Chain-of-Thought, CoT）说明，来应对视觉数学资料质量不佳的挑战。
• 精细调整的单元步聚策略通过对多模态大规模语言模型（MLLM）与策略奖励模型（PRM）的协同优化，达成递进式的逻辑推演。
• 查找方案采用四种独特的搜索方法，并与PRM集成，以实现复杂推理作业的执行。
• 构造数据集推出名为AtomMATH的大型多模态数据集合，该集合包含了丰富的详细解释步骤，并用于模型的训练与性能评价。
• 对基础技能的评价开发一套利用成果导向评价的原子技能测评方案，用以分析MLLMs在创建各类基础环节过程中的效能。

AtomThink的运作机制

• 深思熟虑的思维模式AtomThink架构的关键理念在于倡导”深思熟虑”的过程，通过分步骤地建立详尽的链条来引导大型语言模型执行复杂的推断任务，而非依靠即时和直觉性的判断。
• 动态引导方案利用动态提示方法推动MLLMs逐步形成状态推断链路，其中每一步骤作为链路上的一个点，涵盖了从前的状态、现在的状况以及潜在的操作选项。
• 简短的CoT强化利用大型语言模型把现存的简短原因链条标注语义切分为若干独立阶段，重点在于处理推理流程中的单一基础性难题。
• 包含多种类型信息的数据集合通过收集来自多种资料来源的数学信息，并利用灵活的指导方针及简化的因果链强化来创建复杂的推理解析过程，从而形成了AtomMATH数据库。
• 精细调整基本单元步骤对AtomMATH数据集实施微调处理，使MLLM能够掌握以原子级步骤为基础的推理方法。

AtomThink项目的网址

• Git存储库：在GitHub上可以找到由用户Quinn777维护的项目AtomicThoughts，链接如下：https://github.com/Quinn777/AtomicThoughts
• arXiv科技文章该链接指向一篇在arXiv平台上发布的学术论文的PDF版本，具体为编号为2411.11930的研究文档。

AtomThink的使用情境

• 教学支持作为一个智能化的学习辅助平台，我们向学生们提供数学题目详细的分步解析与说明。
• 自动化的测试及评价于在线测验平台内实现数学题目自动生产和评分。
• 科学研究协助研究人员探究并解答复杂数学难题。
• 应用程序设计与实现协助程序员自动创建并校正与数学运算有关的程序代码。
• 智能化客户服务中心与技术协助服务在涉及数学计算和逻辑推理的客户服务情境下给予协助。