迭代生成式多模态思维链推理方法、装置、电子设备及存储介质

本发明提供一种迭代生成式多模态思维链推理方法、装置、电子设备及存储介质，涉及人工智能技术领域，方法包括：获取初始输入数据，并通过多模态大语言模型对初始输入数据进行推理，得到文本推理结果和中间推理提示；利用多模态大语言模型对文本推理结果和中间推理提示进行迭代更新，生成更新后的文本推理结果和更新后的中间推理提示；其中，在迭代更新的过程中，多模态大语言模型的输入包括：前次文本推理结果和与前次文本推理结果相匹配的辅助图像；基于每次迭代生成的文本推理结果和相匹配的辅助图像生成图文思维链，并基于图文思维链得到目标推理结果。通过本发明提供的方法，实现文本与图像同步生成，提升多模态复杂任务的推理精度与解释性。