MIND: Multi-rationale INtegrated Discriminative Reasoning Framework for Multi-modal Large Models

📄 arXiv: 2512.05530v1 📥 PDF

作者: Chuang Yu, Jinmiao Zhao, Mingxuan Zhao, Yunpeng Liu, Xiujun Shu, Yuanhao Feng, Bo Wang, Xiangyu Yue

分类: cs.AI

发布日期: 2025-12-05

🔗 代码/项目: GITHUB

💡 一句话要点

提出MIND框架，增强多模态大模型在复杂推理场景下的逻辑鲁棒性。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 多模态大模型 推理框架 理性增强 对比学习 逻辑鲁棒性 判别推理 认知智能

📋 核心要点

  1. 现有MLLM在复杂推理场景中，缺乏足够的多理性语义建模能力和逻辑鲁棒性，容易产生误导性结果。
  2. MIND框架模拟人类“理解->反思->纠正”的认知过程，通过主动判别推理提升MLLM的性能。
  3. 通过理性增强、渐进式校正学习和对比对齐等策略，MIND在多个数据集上取得了SOTA性能。

📝 摘要（中文）

多模态大型语言模型(MLLM)已被广泛应用于推理任务，但它们在多理性语义建模、逻辑鲁棒性方面存在局限，并且容易在复杂场景中产生误导性解释。因此，我们提出了一个多理性集成判别(MIND)推理框架，旨在赋予MLLM类人认知能力，即“理解->反思->纠正”，实现从被动模仿推理到主动判别推理的范式演变。具体来说，我们引入了一种理性增强和判别(RAD)范式，通过生成多样化的理性来自动有效地扩展现有数据集，提供统一且可扩展的数据基础。同时，我们设计了一种渐进式两阶段校正学习(P2CL)策略。第一阶段增强多理性正向学习，第二阶段实现主动逻辑判别和校正。此外，为了缓解多理性语义空间中的表征纠缠，我们提出了一种多理性对比对齐(MCA)优化策略，实现正确推理的语义聚合和错误推理的边界分离。大量实验表明，所提出的MIND推理框架在涵盖科学、常识和数学场景的多个公共数据集上实现了最先进的(SOTA)性能。它为推动MLLM朝着更高层次的认知智能发展提供了一个新的视角。

🔬 方法详解

问题定义：现有的多模态大语言模型在进行复杂推理时，存在以下痛点：一是缺乏对多种推理路径（rationales）的有效建模，导致无法充分理解问题；二是逻辑鲁棒性不足，容易受到噪声或误导性信息的干扰；三是在复杂场景下，容易产生错误的解释和推理结果。这些问题限制了MLLM在实际应用中的可靠性和准确性。

核心思路：MIND框架的核心思路是赋予MLLM类似人类的认知过程，即“理解->反思->纠正”。通过模拟人类在解决问题时的多角度思考和自我纠正能力，提高MLLM的推理能力和鲁棒性。具体来说，MIND框架通过生成和判别多种可能的推理路径，并利用对比学习来区分正确和错误的推理，从而提高模型的准确性和可靠性。

技术框架：MIND框架主要包含三个核心模块：1) 理性增强和判别(RAD)：通过自动生成多样化的推理路径来扩充数据集，为模型提供更丰富的学习样本。2) 渐进式两阶段校正学习(P2CL)：分为两个阶段，第一阶段增强模型对正确推理路径的学习，第二阶段使模型能够主动判别和纠正错误的推理。3) 多理性对比对齐(MCA)：通过对比学习，将正确的推理路径在语义空间中聚集，并将错误的推理路径分离，从而缓解表征纠缠。

关键创新：MIND框架的关键创新在于其主动判别推理的范式。与传统的被动模仿学习不同，MIND框架鼓励模型主动思考和判断，从而提高模型的推理能力和鲁棒性。此外，RAD范式能够自动生成多样化的推理路径，为模型提供更丰富的学习样本，而P2CL策略则能够有效地提高模型的校正能力。MCA优化策略则能够有效地缓解多理性语义空间中的表征纠缠问题。

关键设计：RAD范式通过prompting的方式让LLM生成多样化的推理路径，并使用过滤机制筛选出高质量的推理路径。P2CL策略的第一阶段使用交叉熵损失函数来增强模型对正确推理路径的学习，第二阶段使用hinge loss来鼓励模型区分正确和错误的推理路径。MCA优化策略使用对比损失函数，将正确的推理路径在语义空间中聚集，并将错误的推理路径分离。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

MIND框架在多个公开数据集上取得了SOTA性能，证明了其有效性。具体来说，在科学推理数据集上，MIND框架的准确率比现有最佳模型提高了X%；在常识推理数据集上，MIND框架的准确率提高了Y%；在数学问题求解数据集上，MIND框架的准确率提高了Z%（具体数值论文中未给出，此处仅为示例）。这些结果表明，MIND框架能够显著提高MLLM在复杂推理场景下的性能。

🎯 应用场景

MIND框架具有广泛的应用前景，可以应用于科学研究、常识推理、数学问题求解等多个领域。通过提高MLLM的推理能力和鲁棒性，MIND框架可以帮助人们更好地理解和解决复杂问题，例如辅助科学研究人员进行数据分析和模型构建，帮助学生更好地理解数学概念和解题方法等。未来，MIND框架有望成为构建更智能、更可靠的人工智能系统的关键技术。

📄 摘要（原文）

Recently, multimodal large language models (MLLMs) have been widely applied to reasoning tasks. However, they suffer from limited multi-rationale semantic modeling, insufficient logical robustness, and are susceptible to misleading interpretations in complex scenarios. Therefore, we propose a Multi-rationale INtegrated Discriminative (MIND) reasoning framework, which is designed to endow MLLMs with human-like cognitive abilities of "Understand -> Rethink -> Correct", and achieves a paradigm evolution from passive imitation-based reasoning to active discriminative reasoning. Specifically, we introduce a Rationale Augmentation and Discrimination (RAD) paradigm, which automatically and efficiently expands existing datasets by generating diverse rationales, providing a unified and extensible data foundation. Meanwhile, we design a Progressive Two-stage Correction Learning (P2CL) strategy. The first phase enhances multi-rationale positive learning, while the second phase enables active logic discrimination and correction. In addition, to mitigate representation entanglement in the multi-rationale semantic space, we propose a Multi-rationale Contrastive Alignment (MCA) optimization strategy, which achieves semantic aggregation of correct reasoning and boundary separation of incorrect reasoning. Extensive experiments demonstrate that the proposed MIND reasoning framework achieves state-of-the-art (SOTA) performance on multiple public datasets covering scientific, commonsense, and mathematical scenarios. It provides a new perspective for advancing MLLMs towards higher levels of cognitive intelligence. Our code is available at https://github.com/YuChuang1205/MIND