دانشمندان حوزه هوش مصنوعی بالاخره سراغ یک چالش جالب رفتند: چرا وقتی مدلهای بینایی-زبانی (VLM) دچار «توهم» میشوند، گاهی در استدلالهای بعدی خود بهتر عمل میکنند؟ 🧐
محققان ابزار جدیدی به نام HIVE را معرفی کردهاند که به بررسی «استدلال پس از توهم» (PHR) میپردازد. نتایج نشان میدهد که توهمات همیشه مخرب نیستند و گاهی با گسترش پوشش معنایی، باعث بهبود دقت مدل در انجام وظایف خاص میشوند. این تحقیق گام مهمی برای درک بهتر نحوه «فکر کردن» و استدلال مدلهای چندوجهی است.
اگر در حوزه توسعه مدلهای بینایی کار میکنید، کدهای این پروژه در گیتهاب در دسترس است. برای مطالعه بیشتر و بررسی جزئیات این پدیده جذاب، این مقاله یکی از کلیدیترین مباحث هفته است.
🔗 لینک پروژه: https://github.com/hefengcs/HIVE
منبع: arXiv AI