تا حالا دقت کردید که مدلهای هوش مصنوعی گاهی در درک مفاهیم ساده مثل «چتر بدونِ آدم» گیج میشوند؟ محققان در پژوهش جدیدی به نام «Factored Inference» متوجه شدند که مشکل اصلی این مدلها در نحوه محاسبه شباهت (Similarity) نهفته است.
آنها متد جدیدی به نام LCSE معرفی کردهاند که بدون نیاز به آموزش مجدد مدل (Training-free)، به مدل کمک میکند تا دستورات منطقی پیچیده را بسیار دقیقتر اجرا کند. نتایج خیرهکننده است: در بنچمارکهای جدید، دقت مدلها در درک مفاهیم منفی (مثل “بدونِ…”) از ۲۷٪ به ۶۵٪ افزایش پیدا کرده است! 🚀
این یعنی در آیندهای نزدیک، مدلهای هوش مصنوعی در تحلیل تصاویر و جستجوی دقیق، بسیار منطقیتر و قابلاطمینانتر عمل خواهند کرد.
منبع: arXiv Computer Vision