مدلهای چندوجهی (MLLM) امروزی در درک تصاویر معمولی عالی عمل میکنند، اما وقتی پای نقشههای پیچیده ساختمانی و مهندسی وسط باشد، هنوز با چالشهای بزرگی روبرو هستند.
محققان در یک پژوهش جدید، «DrawingVQA» را معرفی کردهاند؛ اولین بنچمارک تخصصی که توانایی هوش مصنوعی در تحلیل نقشههای اجرایی، دادههای جدولی و علائم فنی را میسنجد. این بنچمارک با بررسی عمقِ استدلالِ مدلها (از درک بصری تا تفسیرهای تخصصی مهندسی)، شکاف موجود بین مدلهای فعلی و سطح نیاز مهندسان حرفهای را آشکار میکند.
این پیشرفت گام مهمی برای پیوند دادنِ توانمندیهای هوش مصنوعی با محیطهای اجرایی و کارگاهی در دنیای واقعی است. 🤖📐
منبع: arXiv AI