每一个问题,每一个步骤,都在焦点上:学习用集成的注意力解决视觉语言问题

概括

这项研究引入了基于图形的方法来解决视觉语言问题,增强AI如何理解现实世界的问题. 该方法通过分析跨多个步骤的依赖关系,有效地预测复杂的非顺序解决方案.