通过提出 Bongard-LOGO 基准来评估人类概念学习和推理，我们展示了先前方法的不足之处，并讨论了适用于解决此类基准的一般视觉推理架构的研究方向。

Oct, 2020

我们引入了 Bongard-OpenWorld，这是一个用于评估机器视觉领域的真实世界少样本推理的新基准。它继承了经典的 Bongard 问题的少样本概念归纳，并添加了两个新的挑战层：一是开放世界的自由形式概念，二是真实世界的图像。然而，目前的学习算法仍无法达到人类的准确度，我们希望 Bongard-OpenWorld 能帮助我们更好地理解当前视觉智能的局限性，并促进未来对具有较强少样本视觉推理能力的视觉智能体的研究。

Oct, 2023

本研究主要探讨使用 Dreamcoder 构建的程序是否可以用于类比推理，以解决某些 Bongard 问题，并使用归纳逻辑编程（ILP）学习抽象概念的可解释性理论。实验结果表明我们的系统可以解决此类问题，并指出改进的方向。

Oct, 2021

本研究介绍了 PMoC，这是一种为 Bongard-Logo 问题量身定制的概率模型，通过构建独立的概率模型实现了高准确性的推理。此外，我们还提出了 Pose-Transformer，这是一种专为复杂的抽象推理任务设计的增强型 Transformer-Encoder，包括 Bongard-Logo、RAVEN、I-RAVEN 和 PGM。Pose-Transformer 结合了位置信息学习，受胶囊网络中的姿势矩阵启发，增强了其对图像数据处理中的局部位置关系的关注。当与 PMoC 集成时，它进一步提高了推理准确性。我们的方法有效地解决了与抽象实体的位置变化相关的推理困难，在 RAVEN 的 OIG、D3×3 子集和 PGM 数据库上超过了之前的模型。本研究对于推进 AI 在抽象推理和认知模式识别方面的能力具有重要贡献。

Mar, 2024

现有的机器学习方法在解决博加德问题方面存在困难，不仅是因为神经网络缺乏人类化的符号规则找寻能力，更因为许多方法仅仅依靠从个体支持集中提取的信息而未整合整个支持集所包含的信息，而我们探索了多种简单的方法来考虑这种跨图像的上下文，并展示了相较之前的方法有着显著提高的结果，在博加德 - LOGO（75.3%）和博加德 - HOI（72.45%）上达到了新的最先进表现，并在原始博加德问题集上表现出强大的性能（60.84%）。

Sep, 2023

该研究提出了一种视觉推理基准测试，名为 Bongard-HOI，用于组合学习自然图像中的人 - 物交互。该基准测试模拟实际场景中的一些情况，通过 few-shot instance 和难例的设计，将正负图像仅在动作标签上发生分歧，使得仅仅识别物体类别就无法完成测试，对于当今的视觉识别模型来说是具有相当大的挑战。

May, 2022

本文提出一个框架来单独评估视觉问答（VQA）中的推理方面，同时引入一种新颖的自上而下校准技术，以使模型即使具有不完美的感知也能回答推理问题，通过在具有挑战性的 GQA 数据集上进行深入的分离比较，可以了解到众所周知的 VQA 模型参与的见解以及任务。

Jun, 2020

该研究旨在通过模仿人类视觉问题解决中的 “看、记住、推理” 模式，引入基于视觉输入的原理来整合低级视觉能力，使现有的大型语言模型能够在视觉推理问题上取得竞争性表现。

Jun, 2023

该研究论文介绍了一种名为 Valen 的概率高亮模型，并提出了 Tine 方法和 SBR 方法，通过这些方法显著提高了 Valen 在解决视觉抽象推理问题方面的性能。

Jul, 2024

本论文提出了一个自然语言视觉推理的任务，通过图片和描述语句的配对，预测描述语句在给定场景中的真假。该任务涉及自然语言、机器人代理、语言输入、视觉推理以及合成图像等方面。

Oct, 2017