حتماً برای شما هم پیش آمده که وقتی از یک مدل زبانی (LLM) سوالات پیچیده میپرسید، با پاسخهای متنی بسیار طولانی و خستهکننده مواجه میشوید که خواندن و درک جزئیاتش سخت است.
محققان ابزار جدیدی به نام «ChatImage» معرفی کردهاند که متنهای طولانی را به تصاویر تعاملی تبدیل میکند. در این سیستم:
✅ پاسخها در قالب چیدمانهای بصری منظم ارائه میشوند.
✅ روی تصاویر، دکمههای «Hotspot» یا نقاط تعاملی قرار میگیرد.
✅ میتوانید فقط روی بخش موردنیاز کلیک کنید تا جزئیات بیشتر را در یک پنجره کوچک ببینید.
این یعنی به جای غرق شدن در متنهای طولانی، حالا میتوانید به صورت بصری و تعاملی در پاسخهای هوش مصنوعی جستجو کنید. یک قدم بزرگ برای خواناتر کردن خروجی مدلهای زبانی!
منبع: arXiv Computer Vision