主题

当逻辑遇见图像：多模态大模型能进行严谨的逻辑推理吗？

时间

2025.11.26 周三 20:00 北京时间
2025.11.26 周三 20:00 新加坡时间

b站直播间：

https://live.bilibili.com/27784098
（点击文末「阅读原文」即可跳转）  

内容介绍

严谨的逻辑推理能力是NLP领域衡量模型智能水平的关键指标之一。它要求模型能够严格遵循既定的前提，逐步执行符合逻辑规则的推断过程。在医疗、法律、金融等高风险的现实应用场景中，任何细微的逻辑偏差都可能导致严重后果，因此对推理的严谨性提出了极高要求。 这一任务的难点在于，推理中不能出现逻辑谬误、前提幻觉或前后不一致的问题。尽管目前已有不少纯文本逻辑推理评测基准，但现实中的许多任务往往融合了视觉与文本信息，亟需模型具备跨模态的严密推理能力。例如，在交通控制或自动驾驶系统中，模型不仅需要理解交通规则文本，还需结合实时驾驶场景的图像信息，通过可靠推理做出安全且合规的决策。 为此，这篇论文构建了首个基于严格逻辑规则的多模态推理数据集。实验发现，尽管大模型在纯文本逻辑任务上已表现优异，但在融合视觉与文本的推理场景中仍存在明显不足。为此，论文提出了一种名为 LogiCAM 的基线方法，旨在为未来研究提供技术思路与启发。此外，本文还系统分析了模型的典型错误类型，为后续探索指出了若干重要方向。

MuSLR: Multimodal Symbolic Logical Reasoning
项目地址：https://llm-symbol.github.io/MuSLR/

嘉宾

徐俊东，目前在新加坡国立大学计算机系读博士一年级。主要研究方向是大模型reasoning，致力于探索symbolic logical reasoning和一些neuro-symbolic用于reasoning任务的潜力。
个人主页：https://aiden0526.github.io/

主持人

罗盟，现为新加坡国立大学计算机系博士，主要研究方向包括认知驱动的多模态理解和推理、多模态情感分析、视频理解和生成等。
个人主页：https://eurekaleo.github.io/

入群

欢迎加入NICE每周分享交流群，可与NICEer唠嗑，以及第一时间收到后续NICE分享报告的通知。加群通过小助手认证，群内无广告。

NICE介绍

NICE(NLP Academic Exchange Platform)成立于2023.11.26，由国内外高校一线青年教师和学生共同组织。每周进行学术分享，形式包括圆桌会议、主题分享、单篇论文深度分享等，内容覆盖论文分享、科研小白入门、PhD择业等所有学术领域。至今已举办近百场分享、嘉宾150+人、全网拥有粉丝量13+万，b站和视频号一共大约70万播放量。详情见：
NICE主页
https://nice-nlp.github.io
NICE海外
https://nice-intl.github.io
b站
https://space.bilibili.com/507524288
Youtube
https://www.youtube.com/@NLPAcademicExchangePlatform

编辑：冯可蘅 华盛顿大学