Awesome-MCoT

一张图看懂多模态推理研究脉络与代表工作

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署评测安全 🍴 复刻 35 🐛 待处理 4 👀 关注 12

GitHub ↗

GitHub 星标 ★ 1028

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费学术论文，免费公开

项目预览

Awesome-MCoT 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类评测安全

开发团队yaotingwangofficial

GitHubhttps://github.com/yaotingwangofficial/Awesome-MCoT

定价模式🏷️完全免费

价格说明学术论文，免费公开

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言TeX

技术栈/模型chain-of-thought,cot,deepseek-r1,instruction-tuning,large-vision-language-model,mcts,mllm-reasoning,multimodal,multimodal-chain-of-thought,multimodal-large-language-models,openai-o1,reasoning,slow-thinking,survey,system-2

GitHub 星标★ 1028

上线时间2025-02-15 00:00:00

代码更新2026-10-03

仓库体积13.6 MB

本站数据更新2026-11-01

维护状态较活跃

收录时间2026-11-01

浏览次数0

项目介绍

Awesome-MCoT 是一个面向多模态思维链（Multimodal Chain-of-Thought）推理的系统性综述资源库，以论文清单与分类体系的形式，梳理大视觉语言模型在推理任务上的研究进展。项目解决的是该方向论文分散、术语不统一、方法难以横向对比的问题，帮助研究者和工程师快速建立领域地图。核心内容包括：按推理范式对方法分类（如指令微调、强化学习式长链推理、蒙特卡洛树搜索引导的推理、工具调用式推理等），汇总代表性工作与基准数据集，覆盖从早期提示工程到 DeepSeek-R1 类推理模型在多模态场景的延伸。仓库以 TeX 撰写综述正文，同时维护持续更新的文献列表，适合作为选题调研、方法选型与论文写作的入口。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-11-01 · 当前星标 ★ 1028

技术标签

chain-of-thought deepseek-r1 instruction-tuning multimodal multimodal-large-language-models

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

已安装 Git，可访问 GitHub 仓库地址
可阅读 Markdown / PDF 的文本或文档工具
如需自行编译综述正文，需要本机具备 LaTeX 发行版（README 未提供编译命令）

安装与启动步骤

1克隆资源库

把综述仓库下载到本地，便于离线查阅 README、文献列表与 TeX 源文件。
```
git clone https://github.com/yaotingwangofficial/Awesome-MCoT.git
cd Awesome-MCoT
```
2浏览仓库结构

查看仓库内的 Markdown 文件与 TeX 源文件，了解分类体系与文献组织方式。
```
ls -la
```
3阅读综述正文

先读 README 了解整体框架，再按 arXiv 页面阅读正式综述正文，快速建立领域地图。
4查看贡献说明

如发现遗漏的相关工作，按仓库中的贡献指南提交建议，注意说明论文与所属分类。
```
cat CONTRIBUTING.md
```