这篇论文可能会成为大型语言模型（Large Language Model，简称LLM）领域的一个里程碑式论文。

论文 - "Visualization-of-Thought Elicits Spatial Reasoning in Large Language Models"（《思维可视化激发大型语言模型的空间推理》）来自 Microsoft（微软）

这篇论文研究了大型语言模型（LLM）在其“心灵之眼”中创建和操作心理图像的能力，以执行空间推理任务，这一能力是受到人类认知机制的启发。

作者们提出了思维可视化（Visualization-of-Thought，简称VoT）提示方法，该方法通过为LLMs配备一个视觉空间草图板来可视化其推理步骤，并指导后续步骤。VoT采用零样本（zero-shot）提示，而不是依赖于少量样本（few-shot）演示或使用CLIP进行文本到图像的可视化。

首先，让我用简单的语言解释一下“空间推理的心灵之眼”的概念。让我们以使用地图在城市中导航为例。

想象你正在访问一个新城市，需要从你的酒店找到通往一个热门旅游景点的路。你手头有一张实体地图，你在开始旅程前仔细研究了它。

当你查看地图时，你在你的心灵之眼中创建了一条路线的心理图像。你想象出你需要经过的街道、地标和转弯，以到达目的地。这个心理图像充当了一个视觉空间草图板，让你能够在心理上模拟导航过程。

在导航过程中，你参考你的心理图像来引导你的决策。在每个交叉路口，你都会在心理上检查你的进度是否与可视化的路线相符，确保你正走在正确的道路上。如果你遇到障碍或需要绕道，你可以在心理上操作图像以找到另一条路线。

在整个导航过程中，你根据你的实际体验和你沿途收集到的任何新信息，不断地更新和完善你的心理图像。你的心理可视化与现实世界反馈之间的这种动态互动帮助你做出明智的决策，并成功地到达目的地。

在这个例子中，心灵之眼在空间推理中扮演着至关重要的角色，它允许你创建、操作和更新空间环境的心理表征。它使你能够根据可视化的信息规划、模拟并调整你的导航策略。

类似地，思维可视化（VoT）提示技术旨在为大型语言模型（LLM）提供类似的能力。通过提示LLM生成它们推理步骤的可视化，VoT使它们能够创建和操作问题空间的心理图像，指导它们的决策过程，并增强它们的空间推理能力。